undefined cover
undefined cover
#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative cover
#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative

#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative

44min |15/10/2023|

850

Play
undefined cover
undefined cover
#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative cover
#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative

#35 Nataniel Ruiz (Research Scientist @ Google Search) : Dreambooth, faire apprendre de nouveaux objets à une IA générative

44min |15/10/2023|

850

Play

Description

Une photo de votre chien en train de faire du surf.

Voilà ni plus ni moins ce que permet de faire la méthode “dreambooth” co-inventée par ce chercheur.

Nataniel Ruiz, premier auteur du papier “Dreambooth” et Research Scientist chez Google Research au département creative camera, est l’invité de l’épisode 35 de Data Driven 101.

Il nous parle notamment des techniques génératives pour les images et les vidéos, et en particulier sur le papier Dreambooth. Il nous parle également de ses travaux sur les large languages models, ainsi que de l'importance de l'interaction entre la recherche et l'application pratique.

Références mentionnées dans le podcast :
GCP DreamBooth: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-model

GCP StyleDrop: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-style

DB SDXL Repo: https://github.com/replicate/cog-sdxl


🔑 MOTS CLÉS

  • Fine tuning : Il s'agit d'une technique d'apprentissage automatique qui consiste à ajuster un modèle pré-entraîné sur une tâche spécifique en utilisant un ensemble de données plus petit et plus spécifique. 
  • GANs ou Réseaux antagonistes génératifs : en intelligence artificielle, les réseaux antagonistes génératifs parfois aussi appelés réseaux adverses génératifs sont une classe d'algorithmes d'apprentissage non supervisé.
  • Dataset : Un jeu de données, ou dataset, regroupe plusieurs données ayant un lien cohérent entre elles.


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici

🧐 DANS LA MÊME THÉMATIQUE 

  • Épisode 33 : Guillaume Lample (Cofounder & Chief Scientist @ Mistral AI) : Les secrets des Large Language Models
  • Épisode HS1 : Nikolaj Groeneweg (Founder @ Everyme.ai) - Générer des images grâce à l'IA


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube


 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant

Chapters

  • Introduction

    00:00

  • Les clés de la méthode

    03:07

  • Un nouveau concept pour le modèle

    08:27

  • L’arrivée de LoRa

    14:05

  • La vie d'un chercheur chez Google?

    18:00

  • Ce qui n’a pas fonctionné ?

    21:40

  • Son anecdote

    33:11

  • Son opinion

    36:40

Description

Une photo de votre chien en train de faire du surf.

Voilà ni plus ni moins ce que permet de faire la méthode “dreambooth” co-inventée par ce chercheur.

Nataniel Ruiz, premier auteur du papier “Dreambooth” et Research Scientist chez Google Research au département creative camera, est l’invité de l’épisode 35 de Data Driven 101.

Il nous parle notamment des techniques génératives pour les images et les vidéos, et en particulier sur le papier Dreambooth. Il nous parle également de ses travaux sur les large languages models, ainsi que de l'importance de l'interaction entre la recherche et l'application pratique.

Références mentionnées dans le podcast :
GCP DreamBooth: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-model

GCP StyleDrop: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-style

DB SDXL Repo: https://github.com/replicate/cog-sdxl


🔑 MOTS CLÉS

  • Fine tuning : Il s'agit d'une technique d'apprentissage automatique qui consiste à ajuster un modèle pré-entraîné sur une tâche spécifique en utilisant un ensemble de données plus petit et plus spécifique. 
  • GANs ou Réseaux antagonistes génératifs : en intelligence artificielle, les réseaux antagonistes génératifs parfois aussi appelés réseaux adverses génératifs sont une classe d'algorithmes d'apprentissage non supervisé.
  • Dataset : Un jeu de données, ou dataset, regroupe plusieurs données ayant un lien cohérent entre elles.


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici

🧐 DANS LA MÊME THÉMATIQUE 

  • Épisode 33 : Guillaume Lample (Cofounder & Chief Scientist @ Mistral AI) : Les secrets des Large Language Models
  • Épisode HS1 : Nikolaj Groeneweg (Founder @ Everyme.ai) - Générer des images grâce à l'IA


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube


 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant

Chapters

  • Introduction

    00:00

  • Les clés de la méthode

    03:07

  • Un nouveau concept pour le modèle

    08:27

  • L’arrivée de LoRa

    14:05

  • La vie d'un chercheur chez Google?

    18:00

  • Ce qui n’a pas fonctionné ?

    21:40

  • Son anecdote

    33:11

  • Son opinion

    36:40

Share

Embed

You may also like

Description

Une photo de votre chien en train de faire du surf.

Voilà ni plus ni moins ce que permet de faire la méthode “dreambooth” co-inventée par ce chercheur.

Nataniel Ruiz, premier auteur du papier “Dreambooth” et Research Scientist chez Google Research au département creative camera, est l’invité de l’épisode 35 de Data Driven 101.

Il nous parle notamment des techniques génératives pour les images et les vidéos, et en particulier sur le papier Dreambooth. Il nous parle également de ses travaux sur les large languages models, ainsi que de l'importance de l'interaction entre la recherche et l'application pratique.

Références mentionnées dans le podcast :
GCP DreamBooth: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-model

GCP StyleDrop: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-style

DB SDXL Repo: https://github.com/replicate/cog-sdxl


🔑 MOTS CLÉS

  • Fine tuning : Il s'agit d'une technique d'apprentissage automatique qui consiste à ajuster un modèle pré-entraîné sur une tâche spécifique en utilisant un ensemble de données plus petit et plus spécifique. 
  • GANs ou Réseaux antagonistes génératifs : en intelligence artificielle, les réseaux antagonistes génératifs parfois aussi appelés réseaux adverses génératifs sont une classe d'algorithmes d'apprentissage non supervisé.
  • Dataset : Un jeu de données, ou dataset, regroupe plusieurs données ayant un lien cohérent entre elles.


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici

🧐 DANS LA MÊME THÉMATIQUE 

  • Épisode 33 : Guillaume Lample (Cofounder & Chief Scientist @ Mistral AI) : Les secrets des Large Language Models
  • Épisode HS1 : Nikolaj Groeneweg (Founder @ Everyme.ai) - Générer des images grâce à l'IA


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube


 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant

Chapters

  • Introduction

    00:00

  • Les clés de la méthode

    03:07

  • Un nouveau concept pour le modèle

    08:27

  • L’arrivée de LoRa

    14:05

  • La vie d'un chercheur chez Google?

    18:00

  • Ce qui n’a pas fonctionné ?

    21:40

  • Son anecdote

    33:11

  • Son opinion

    36:40

Description

Une photo de votre chien en train de faire du surf.

Voilà ni plus ni moins ce que permet de faire la méthode “dreambooth” co-inventée par ce chercheur.

Nataniel Ruiz, premier auteur du papier “Dreambooth” et Research Scientist chez Google Research au département creative camera, est l’invité de l’épisode 35 de Data Driven 101.

Il nous parle notamment des techniques génératives pour les images et les vidéos, et en particulier sur le papier Dreambooth. Il nous parle également de ses travaux sur les large languages models, ainsi que de l'importance de l'interaction entre la recherche et l'application pratique.

Références mentionnées dans le podcast :
GCP DreamBooth: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-model

GCP StyleDrop: https://cloud.google.com/vertex-ai/docs/generative-ai/image/fine-tune-style

DB SDXL Repo: https://github.com/replicate/cog-sdxl


🔑 MOTS CLÉS

  • Fine tuning : Il s'agit d'une technique d'apprentissage automatique qui consiste à ajuster un modèle pré-entraîné sur une tâche spécifique en utilisant un ensemble de données plus petit et plus spécifique. 
  • GANs ou Réseaux antagonistes génératifs : en intelligence artificielle, les réseaux antagonistes génératifs parfois aussi appelés réseaux adverses génératifs sont une classe d'algorithmes d'apprentissage non supervisé.
  • Dataset : Un jeu de données, ou dataset, regroupe plusieurs données ayant un lien cohérent entre elles.


🎙 SOUTENEZ LE PODCAST GRATUITEMENT

> Abonnez-vous 🔔

> Laissez 5 étoiles et un avis  🥰 

Sur Spotify : ici

Sur Apple Podcast : ici

Sur Deezer : ici

Sur Google Podcast : ici

🧐 DANS LA MÊME THÉMATIQUE 

  • Épisode 33 : Guillaume Lample (Cofounder & Chief Scientist @ Mistral AI) : Les secrets des Large Language Models
  • Épisode HS1 : Nikolaj Groeneweg (Founder @ Everyme.ai) - Générer des images grâce à l'IA


👋 PLUS DE CONTENU DATA ?

> Suivez-moi sur LinkedIn (tips/réflexions) ici 🤳

> Suivez-nous sur Tiktok 📳

> Abonnez-vous à notre chaîne Youtube


 🚀 BESOIN D’EXPERTISE IA & DATA ?

Réserver un créneau de 30 min avec Marc Sanselme  et profiter des connaissances et du savoir-faire d’un expert IA qui saura vous aiguiller sur vos projets d’IA.

Réservez votre séance de 30 minutes maintenant

Chapters

  • Introduction

    00:00

  • Les clés de la méthode

    03:07

  • Un nouveau concept pour le modèle

    08:27

  • L’arrivée de LoRa

    14:05

  • La vie d'un chercheur chez Google?

    18:00

  • Ce qui n’a pas fonctionné ?

    21:40

  • Son anecdote

    33:11

  • Son opinion

    36:40

Share

Embed

You may also like