Course Outline

생성형 인공지능 개요

  • 생성형 인공지능이란?
  • 생성형 인공지능의 역사와 발전
  • 주요 개념과 용어
  • 생성형 인공지능의 응용 분야와 가능성 개요

머신러닝 기본 원리

  • 머신러닝 소개
  • 머신러닝 유형: 지도 학습, 비지도 학습, 강화 학습
  • 기본 알고리즘과 모델
  • 데이터 전처리 및 특징 공학

딥러닝 기본 원리

  • 신경망과 딥러닝
  • 활성화 함수, 손실 함수, 최적화기
  • 과적합, 저적합, 정규화 기술
  • TensorFlow와 PyTorch 소개

생성 모델 개요

  • 생성 모델의 유형
  • 판별형 모델과 생성형 모델의 차이점
  • 생성 모델의 사용 사례

변분 오토인코더(VAEs)

  • 오토인코더 이해
  • VAEs의 구조
  • 잠재 공간과 그 중요성
  • 실습 프로젝트: 간단한 VAE 구축

적대적 생성 네트워크(GANs)

  • GANs 소개
  • GANs의 구조: 생성기와 판별기
  • GANs 훈련 및 도전 과제
  • 실습 프로젝트: 기본 GAN 생성

고급 생성 모델

  • Transformer 모델 소개
  • GPT(Generative Pretrained Transformer) 모델 개요
  • GPT의 텍스트 생성 응용
  • 실습 프로젝트: 사전 학습된 GPT 모델로 텍스트 생성

윤리와 영향

  • 생성형 인공지능의 윤리적 고려 사항
  • AI 모델에서의 편향과 공정성
  • 미래의 영향과 책임 있는 AI

생성형 인공지능의 산업 적용

  • 예술과 창의성에서의 생성형 인공지능
  • 비즈니스와 마케팅에서의 응용
  • 과학 및 연구에서의 생성형 인공지능

종합 프로젝트

  • 생성형 인공지능 프로젝트 아이디어와 제안
  • 데이터셋 수집 및 전처리
  • 모델 선택 및 학습
  • 결과 평가 및 발표

요약 및 다음 단계

Requirements

  • 파이썬의 기본 프로그래밍 개념을 이해하고
  • 특히 확률과 선형대수에 대한 기본 수학적 개념에 대한 경험이 필요합니다.

대상

  • 개발자
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories