딥러닝 생성 모델의 원리와 구현

강의상세

본 콘텐츠는 딥러닝 관련 교과목의 학습을 돕기 위한 자기주도형 학습 콘텐츠로 최근 인공지능 기술을 이끌고 있는 딥러닝 생성 모델의 원리를 설명하고 VAE, GAN, Transformer의 세부적인 구현 및 활용 방법에 대해 학습한다.

생성 모델의 개념

1.	생성 모델의 개념	생성 모델 기본 개념의 수학적 이해
2.	생성 모델의 수학적 이해 (1)	에너지 기반 생성 모델 및 학습 방법
	생성 모델의 수학적 이해 (2)	암묵적 생성 모델과 고차원 다중 모드 분포 데이터의 생성 문제
3.	Variational Autoencoder의 이해	Variational Autoencoder의 목적 및 수학적 모델링
4.	Variational Autoencoder의 구현	Variational Autoencoder의 구현 및 학습
5.	GAN의 개요와 구현	GAN의 목적함수와 구현 방법
6.	Deep Convolutional GAN (DCGAN)	DCGAN의 구조와 구현 방법
7.	Conditional GAN	Conditional GAN의 구조와 구현 방법
8.	CycleGAN	CycleGAN의 구조와 구현 방법
9.	Wasserstein GAN (WGAN)	Wasserstein GAN의 이해 및 구현 방법
10.	Energy-Based GAN (EBGAN)	Energy-Based GAN의 이해 및 구현 방법
11.	Boundary Equilibrium GAN (BEGAN)	Boundary Equilibrium GAN의 이해 및 구현 방법
12.	Transformer의 이해와 구현 (1)	어텐션의 개념과 구현
	Transformer의 이해와 구현 (2)	Transformer의 구조 및 구현