🌀 Modèles génératifs 🌀

Ce cours introduit le principe de modèles génératifs par opposition aux modèles discriminatifs. Les 4 grandes familles de modèles génératifs sont présentées et implémentées : les GAN, les VAE, les normalizing flow et les modèles de diffusion. Les modèles autoregressif ne sont pas abordés car ceux-ci ont été décrits dans le cours NLP et Transformers.

Notebook 1️⃣ : Introduction

Ce notebook introduit la différence entre modèle discriminatifs et génératifs et propose un plan du cours.

Notebook 2️⃣ : GAN

Ce notebook présente l'architecture des generative adversarial networks(GAN), leurs avantages, faiblesses et utilisations possibles.

Notebook 3️⃣ : Gan Implementation

Ce notebook propose une implémentation d'un GAN pour la génération de chiffres 5 à partir du dataset MNIST.

Notebook 4️⃣ : VAE

Ce notebook présente l'architecture des variational autoencoders (VAE) en commençant par un rappel sur les autoencodeurs puis en décrivant l'intuite et la méthode derrière l'architecture VAE.

Notebook 5️⃣ : Vae Implementation

Ce notebook propose une implémentation d'un VAE pour la génération de chiffres à partir du dataset MNIST.

Notebook 6️⃣ : Normalizing Flows

Ce notebook présente l'architecture des normalizing flows.

Notebook 7️⃣ : Diffusion Models

Ce notebook présente l'architecture des diffusion models ainsi que leurs avantages et incovénients.

Notebook 8️⃣ : Diffusion Implementation

Ce notebook propose une implémentation simple d'un modèle de diffusion pour générer des éléments sur le dataset MNIST.