딥러닝 생성 모델의 이해와 설계

강의상세

본 콘텐츠는 딥러닝 관련 교과목의 학습을 돕기 위한 자기주도형 학습 콘텐츠로 딥러닝 생성 모델 중 Transformer 및 Diffusion 기반 생성 모델의 개념을 설명하고 세부적인 구현 및 활용 능력을 배양하기 위한 코드에 대해 설명한다.

PyTorch 기반 Transformer 학습과 활용

1.	PyTorch 기반 Transformer 학습과 활용	PyTorch 기반 Transformer 모듈사용법 학습 및 활용 예제
2.	Vision Transformer (ViT)	Vision Transformer의 이해와 구현
3.	Transformer 기반 대규모 사전 학습	Transformer 기반 대규모 사전 학습 모델의 특징과 이해
4.	BERT의 이해와 구현	BERT 사전학습 태스크의 이해와 구현
5.	BERT의 활용	허깅페이스 BERT 모델 사용법 및 활용 예제
6.	GPT의 이해와 구현	GPT 사전학습 태스크의 이해와 구현
7.	Diffusion 모델의 이론적 배경	Score 개념과 Denoising Score Matching 모델 개념
8.	DDPM의 이해	DDPM 순방향 및 역방향 수식의 이해
9.	DDPM의 구현과 활용	DDPM 모델 코드의 구현과 학습 예제
10.	Diffusion 모델의 특징	Diffusion 모델의 특징과 장단점 분석
11.	DDPM의 개선	DDIM, IDDPM 등 DDPM 개선 모델의 이해
12.	Guided Diffusion - Classifier Guidance	Classifier Guidance Diffusion 모델의 이해
13.	Guided Diffusion - Classifier-Free Guidance	Classfier Free Guidance 모델의 이해와 구현