课程从基本原理出发，构建了这些模型的数学框架。学生将通过构建一个简单的图像扩散模型来实践这些概念，并在过程中获得随机微分方程的实用知识，这些知识在许多其他领域都是有用的。
课程包括自包含的课程笔记、讲座和实验室练习，旨在让学生通过实践来理解理论。实验室练习包括三个部分：与随机微分方程的操作、流匹配和得分匹配、以及条件图像生成。此外，课程还邀请了来自 Toyota Research 和 MIT 的客座讲师，分享了生成式机器人和蛋白质设计的最新进展。
课程要求学生具备线性代数、实分析和基础概率论的知识，并熟悉 Python 和 PyTorch。
