강좌안내
GREETING강좌안내
- 강좌기간 :
2024년 11월 23일 부터 2024년 12월 01일 까지
- 강좌일정 :
(토, 일) 10:00~16:00(총 20시간)
- 강좌구분 :
정기강좌
- 강사명 :
장진호 강의계획서 보기
- 프로필 :
- 수강인원 :
최대 30명
- 강의실 :
온라인 강의
- 교재 :
강사의 강의자료
강좌신청
-
-
-
-
-
결제 예정금액350,000₩
상세정보
1. 강의 개요교육 목표: 다양한 딥러닝 기반 생성모델의 이해, 실습 및 훈련
교육 대상: KAIST 학생 및 교직원, 일반인
선수 학습: Python 기초 문법, 기초 딥러닝
2. 강의 내용
주제 | 시간 | 교육 내용 |
생성 모델 개론 | 1 | 생성모델의 개요 및 전반적 소개 |
오토인코더와 VAE | 1 | 오토인코더 학습 및 잠재 공간 시각화 |
3 | VAE의 등장 배경 및 이론 이미지 VAE 실습 조건부 생성 및 응용 VAE | |
적대적 생성모델(GAN) | 2 | GAN의 개념 및 특징 생성자(Generator)와 판별자(Discriminator)의 훈련목적 |
3 | 이미지 DCGAN 실습 GAN의 응용 및 발전 조건부 생성 GAN | |
자기회귀 모델(Auto-Regressive models) | 2 | AR 모델의 개념 트랜스포머 기반 AR 모델 실습 |
3 | AR model의 샘플링 기술 조건부 생성 AR model 응용/최신 AR model의 소개 | |
디퓨전 모델(Diffusion models) | 2 | DDPM Diffusion model의 이론 및 실습 |
3 | DDIM 샘플링을 통한 생성속도 향상 조건부 Diffusion model 및 샘플링 기술 응용/최신 Diffusion model 소개 |
3. 강의 세부 사항
평가 방법: 실습 과제 평가
필수 강의 내용: 변분 오토인코더(VAE), 적대적 생성모델(GAN), 자기회귀 모델(Autoregressive models), 디퓨전 모델(Diffusion models)
교육 환경: Python 3.10