Course Outline

Generative AI 기초 복습

  • Generative AI 개념의 빠른 요약
  • 고급 애플리케이션 및 사례 연구

생성적 적대 신경망(GAN)에 대한 심층 분석

  • GAN 아키텍처에 대한 심층 연구
  • GAN 훈련을 개선하는 기술
  • 조건부 GAN과 그 응용
  • 실습 프로젝트: 복잡한 GAN 설계

VAE(고급 변형 자동 인코더)

  • VAE의 한계 탐색
  • VAE의 풀린 표현
  • Beta-VAE와 그 중요성
  • 실습 프로젝트: 고급 VAE 구축

변환기 및 생성 모델

  • Transformer 아키텍처 이해
  • 생성 작업을 위한 GPT(Generative Pretrained Transformer) 및 BERT
  • 생성 모델을 위한 미세 조정 전략
  • 실습 프로젝트: 특정 도메인에 대한 GPT 모델 미세 조정

확산 모델

  • 확산 모델 소개
  • 훈련 확산 모델
  • 이미지 및 오디오 생성 애플리케이션
  • 실습 프로젝트: 확산 모델 구현

Generative AI의 Reinforcement Learning

  • 강화 학습 기초
  • 강화 학습과 생성 모델 통합
  • 게임 디자인 및 절차적 콘텐츠 생성에 적용
  • 실습 프로젝트: 강화 학습으로 콘텐츠 만들기

윤리와 편견의 고급 주제

  • 딥페이크 및 합성 미디어
  • 생성 모델의 편향 감지 및 완화
  • 법적, 윤리적 고려사항

산업별 애플리케이션

  • Generative AI 헬스케어 분야
  • 창조산업과 엔터테인먼트
  • Generative AI 과학 연구에서

Generative AI의 연구 동향

  • 최신 발전과 혁신
  • 공개 문제 및 연구 기회
  • Generative AI에서 연구 경력을 준비합니다.

캡스톤 프로젝트

  • Generative AI에 적합한 문제 식별
  • 고급 데이터 세트 준비 및 보강
  • 모델 선택, 훈련, 미세 조정
  • 프로젝트 평가, 반복 및 발표

요약 및 다음 단계

Requirements

  • 기본적인 머신러닝 개념과 알고리즘에 대한 이해
  • Python 프로그래밍 및 TensorFlow 또는 PyTorch의 기본 사용 경험
  • 신경망 및 딥러닝의 원리에 대한 이해

청중

  • 데이터 과학자
  • 머신러닝 엔지니어
  • AI 실무자
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories