Course Outline

생성형 AI 기본 개요

  • 생성형 AI 개념에 대한 간략한 복습
  • 고급 응용 사례 및 사례 연구

생성적 적대 신경망(GANs)에 대한 심층 탐구

  • GAN 아키텍처에 대한 심층 연구
  • GAN 학습을 개선하는 기술
  • 조건부 GANs 및 그 응용
  • 실습 프로젝트: 복잡한 GAN 설계

고급 변분 오토인코더(VAEs)

  • VAEs의 한계를 탐구
  • VAEs에서의 분해 표현
  • Beta-VAEs와 그 중요성
  • 실습 프로젝트: 고급 VAE 구축

트랜스포머와 생성형 모델

  • 트랜스포머 아키텍처 이해
  • 생성형 사전 학습 트랜스포머(GPT)와 생성 작업용 BERT
  • 생성형 모델을 위한 미세 조정 전략
  • 실습 프로젝트: 특정 도메인에 맞춰 GPT 모델 미세 조정

확산 모델

  • 확산 모델 소개
  • 확산 모델 학습
  • 이미지 및 오디오 생성에 대한 응용
  • 실습 프로젝트: 확산 모델 구현

생성형 AI의 강화 학습

  • 강화 학습 기본
  • 강화 학습을 생성형 모델과 통합
  • 게임 디자인 및 절차적 콘텐츠 생성에 대한 응용
  • 실습 프로젝트: 강화 학습으로 콘텐츠 생성

윤리와 편향에 대한 고급 주제

  • 딥페이크 및 합성 미디어
  • 생성형 모델에서 편향 감지 및 완화
  • 법적 및 윤리적 고려 사항

산업별 응용

  • 의료 분야에서의 생성형 AI
  • 창의 산업 및 엔터테인먼트
  • 과학 연구에서의 생성형 AI

생성형 AI의 연구 동향

  • 최신 발전 및 혁신
  • 해결해야 할 문제와 연구 기회
  • 생성형 AI에서 연구 경력을 준비

종합 프로젝트

  • 생성형 AI에 적합한 문제 식별
  • 고급 데이터셋 준비 및 증강
  • 모델 선택, 학습 및 미세 조정
  • 프로젝트 평가, 반복 및 발표

요약 및 다음 단계

Requirements

  • 머신러닝의 기본 개념과 알고리즘에 대한 이해
  • Python 프로그래밍 경험 및 TensorFlow 또는 PyTorch의 기본 사용
  • 신경망과 딥러닝의 원칙에 대한 숙련도

대상자

  • 데이터 과학자
  • 머신러닝 엔지니어
  • AI 전문가
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories