수업내용/목표
각 주제에 대한 현재 시점의 최신 인공지능 연구 동향이 어떠한 식으로 흘러가고 있는 지 파악하게 될 것입니다.
주차 |
주차명 (주제) |
주차별 학습 목표 |
차시 |
차시명 |
---|---|---|---|---|
차시 학습내용 |
||||
1 |
소개 |
인공지능과 딥러닝에 대한 역사와 발전 방향에 대해 살펴본다 |
1-1. |
인공지능의 역사 |
1-2. |
강의 overview |
|||
2 |
Neural Networks |
Neural Network에 대한 기본적인 사항에 대해 배운다. |
2-1. |
Neural Networks 기본 |
2-2. |
Neural Networks 학습 방법과 이슈 |
|||
3 |
Convolutional Neural Networks |
이미지를 처리하기 위한 Convolutional Neural Networks에 대해 배운다. |
3-1. |
Convolutional Neural Networks 기본 |
3-2. |
Convolutional Neural Networks 구조 사례 분석 |
|||
4 |
Advanced Models |
다양한 컴퓨터 비전 태스크에 사용되는 Advanced Models에 대해 배운다 |
4-1. |
Object Detection, Semantic Segmentation 사례 분석 |
4-2. |
Video Models, Metric Learning 사례 분석 |
|||
5 |
Optimization |
Neural Network 학습을 위한 Optimization 기법에 대해 배운다 |
5-1. |
Optimization 기본 |
5-2. |
2nd-order Methods |
|||
6 |
Recurrent Networks |
연속적인 데이터를 처리하기 위한 Recurrent Networks에 대해 배운다. |
6-1. |
Recurrent Neural Networks 기본 |
6-2. |
Recurrent Neural Networks 활용 사례 분석 |
|||
7 |
중간고사 |
중간고사 |
7-1. |
중간고사 |
8 |
Natural Language Processing |
자연어처리를 위한 Transformer 구조에 대해 배운다. |
8-1. |
Natural Language Processing 기본 |
8-2. |
Transformer와 BERT |
|||
9 |
Attention and Memory |
딥러닝에서 사용되는 Attention과 Memory 개념에 대해 배운다. |
9-1. |
Attention 개념 이해 |
9-2. |
Memory 개념 이해 |
|||
10 |
Generative Adversarial Networks |
생성을 위한 사용되는 Generative Adversarial Networks에 대해 배운다. |
10-1. |
Generative Adversarial Networks 기본 |
10-2. |
Generative Adversarial Networks 활용 사례 분석 |
|||
11 |
Unsupervised Representation Learning |
딥러닝에서 Representation의 중요성과 Unsupervised Learning에 대해서 배운다. |
11-1. |
Unsupervised Representation Learning 기본 |
11-2. |
Unsupervised Representation Learning 활용 사례 분석 |
|||
12 |
Latent Variable Models |
생성을 위한 Latent Variable Models과 학습 방법에 대해 배운다. |
12-1. |
Latent Variable Models 기본 |
12-2. |
Variational Inference, Variational Autoencoders |
|||
13 |
Deep Reinforcement Learning |
게임, 자율주행 등 다양한 분야에 사용되고 있는 Deep Reinforcement Learning에 대해 배운다. |
13-1. |
Deep Reinforcement Learning 기본 |
13-2. |
AlphaGo, AlphaZero, AlphaFold 등 사례 분석 |
|||
14 |
Limitations and Frontiers |
현재 딥러닝이 가지는 한계와 최근 시도들에 대해 배운다. |
14-1. |
딥러닝의 한계 |
14-2. |
Graph Convolutional Networks, Bayesian Deep Learning, AutoML 등 사례 분석 |
|||
15 |
기말고사 |
기말고사 |
15-1. |
기말고사 |
과제명 | 퀴즈 | 프로젝트 과제 | 중간고사 | 기말고사 |
---|---|---|---|---|
반영비율 | 10% | 20% | 35% | 35% |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
이 강좌는 유익한 내용이 다수 포함되어 있습니다.
이 강좌는 여러가지 참고자료가 많이 있습니다.
네. 있습니다.
네. 있습니다.
내용