Curso notebook-first sobre modelos de difusion para IA generativa. La ruta combina formulacion matematica, implementacion en Python, experimentos reproducibles, notas tecnicas y recursos de ejecucion.
Enseñado en ES Estudiantes universitarios con bases iniciales en programacion, probabilidad, algebra lineal y aprendizaje automatico IA y datos Open Review activo
Curso notebook-first sobre modelos de difusion para IA generativa. La ruta combina formulacion matematica, implementacion en Python, experimentos reproducibles, notas tecnicas y recursos de ejecucion.
Objetivos de aprendizaje
Formular el modelado generativo como aprendizaje de una distribucion de datos.
Explicar el papel del ruido gaussiano y de los procesos de difusion directa.
Implementar objetivos de denoising y modelos DDPM pequenos en notebooks reproducibles.
Analizar muestreo inverso, condicionamiento y classifier-free guidance.
Relacionar DDPM con score matching, flow matching y espacios latentes.