# Модуль 12. Генерация рукописного текста

Плановый срок: **недели 27–29**.

## Предварительные знания

Backpropagation и losses из [модуля 09](../09_neural_networks/README.md),
свёртки из [модуля 10](../10_computer_vision/README.md), базовый PyTorch.

## Цели

- понять autoencoder, VAE, GAN и diffusion на уровне принципов
- подготовить датасет символов и условную генерацию
- собрать изображение строки печатного текста в рукописном стиле

## Уроки

1. [Latent variable models: autoencoder и VAE](notes/01_autoencoders_vae.md)
2. [GAN и diffusion: цели, обучение и типичные сбои](notes/02_gan_diffusion.md)
3. [Conditional generation, glyph composition и оценка читаемости](notes/03_conditional_glyphs.md)

Термины модуля: [глоссарий](glossary.md).

Для каждого урока: прочитайте теорию, воспроизведите ключевой пример своими
руками и запишите три тезиса без подсказки. Формулы из этого модуля нужно
уметь связать с кодом и наблюдаемым поведением модели.

## Задания

- [`assignments/01_autoencoder.md`](assignments/01_autoencoder.md) — Латентное пространство цифр
- [`assignments/02_conditional_glyphs.md`](assignments/02_conditional_glyphs.md) — Условный генератор символов
- [`assignments/03_handwritten_text.md`](assignments/03_handwritten_text.md) — Печатный текст → рукописное изображение

## Завершение модуля

Модуль завершён, когда все задания удовлетворяют критериям приёмки,
вы можете объяснить основные решения без ноутбука и получили review.