PyTorch를 활용한 generative model 입문 CAMP

Generative Model의 기초가 되는 확률 통계와 베이지안 이론
그리고 VAE, GAN, Deep Generative Model까지!

  • #Generativemodel
  • #styletransfer
  • #GAN&VAE
기간
2020. 2. 1 - 2020. 3. 21 총 8주
일정
매주 토요일, 10:00 ~ 13:00 주 1회, 총 24시간
장소
패스트캠퍼스 강남강의장 강남역 4번출구, 미왕빌딩
문의
02-568-9886 help-ds@fastcampus.co.kr

본 강의는 모집이 마감되었습니다.
다음 기수 출시알림을 신청해주시면, 특별 할인혜택과 함께 가장 먼저 소식을 알려드리겠습니다



데이터는 많은데 레이블링 하느라 시간 다- 보내시거나!
데이터가 너-무 적어서 모델에 적용할 시도조차가 어려우신가요?
그렇다면 Generative Model이 정답입니다!

GENERATIVE MODEL을 당신의 실무로 가져가기 위한 준비.
GENERATIVE MODEL의 기초 베이스, 베이지안 이론과 확률 통계부터
최근 모델인 GAN과 VAE까지 본 강의를 통해 모두 익혀가세요!

코스특징.
  • 01

    체계적인 수식/통계 설명과 다양한 활용 사례 공유

    많은 분들이 수학적/통계적 허들로 인해 Generative Model을 학습하는데 어려움을 겪습니다. 본 강의에서는 수강생들의 이러한 고민들을 해결해 줄 수 있는 강사님의 체계적인 수식 설명이 준비되어 있습니다. 뿐만 아니라, 모델의 활용 예시를 직관적으로 제시하여 주시기 때문에 수식의 이해와 동시에 GAN, VAE 등의 모델링 역량까지 가져가실 수 있습니다!

  • 02

    데이터라벨링 문제를 극복하는 해결법 습득

    하나의 물체를 인식하는 모델을 학습하려고 한다면, 수만장의 영상 데이터를 라벨링 해주어야 합니다. 하지만, 실제 회사에서는 인원과 시간이 한정되어있기 때문에 많은 양의 데이터에 라벨링 작업을 하기가 쉽지 않죠. 본 강의를 통해 이러한 데이터 라벨링 문제를 해결할 수 있는 Generative Model을 학습하고, 데이터 라벨링에 대한 인사이트를 제공해 효율적인 문제 해결법을 습득해가세요!

  • 03

    GAN을 활용해 한정된 데이터로도 모델 성능 향상

    딥러닝, 머신러닝에 관심은 있어도 내가 가진 데이터가 적어 이를 활용할 수 없다고 생각하시는 분들이 많습니다. 제대로 된 분석을 위해서는 몇 백, 몇 천 건의 데이터를 보유해야 하니까요. 하지만, GAN을 이용한다면 적은 데이터로도 다양한 학습 데이터를 충분히 만드실 수 있습니다! 모델의 성능향상과 accuracy를 한층 더 높여 줄 수 있는 GAN 활용법, 지금 바로 배워보세요!


수강생 후기.
3기 수강생 윤재영님 마켓잇 데이터 사이언티스트

수업에서 Generative Model을 이용한 Semi-supervised, Unsupervised Model에 관한 여러 논문을 소개해주는 수업을 들으면서, GAN을 이용한 데이터 부족 문제를 해결할 수 있는 인사이트를 얻게 되었습니다. 추후 포스팅 이미지 분석할 때, 수업에서 배운 지식을 적용해 볼 예정입니다.

인터뷰 보기
2기 수강생 이기욱님

연구가 활발한 만큼 다양한 GAN 모델이 쏟아져 나오고 있습니다. 이 수많은 GAN이 쏟아져 나오는데 현업에서 일하는 경우 이 모든모델을 적용해보기엔 시간도 아깝고, 그만한 인력도 없는 곳이 대부분이라 생각이 드네요. 그런 시간을 최소화시켜주고, 적절한 모델을 빠르게 찾아갈 수 있도록, 주요 GAN에 대해 바로 적용이 가능하도록 짧은 시간에 효율적으로 배웠습니다.

인터뷰 보기
수강생 A님

다양한 Generative Model들의 개념적 이해와 해당 모델들의 구조적 특징을 배웠던 것이 가장 좋았습니다. 무수히 많은 Generative Model들을 모두 다룰 수는 없지만 그 안에서 중요하고 핵심이 되는 모델들을 발전과정에 따라 배움으로써 Generative Model의 굵직한 흐름을 이해 할 수 있었습니다. 그 과정에서 수식적인 부분도 세심하게 다루어 주셔서 논문 이해에도 많은 도움이 되었습니다.

인터뷰 보기

수업예시.

실제 수업은 이렇게 이루어지는지 궁금하신가요? 강의 노트와 강의 자료를 확인해보세요!
*강의 노트는 이전 기수 수강생분들께서 직접 작성하신 결과물입니다. 🙂

박지선님의 강의노트
윤재영님의 강의노트
실습자료 예시
VAE learning to generate images
GAN learning to generate images
8주 후 당신의 변화.

데이터 label이 적은 상황에서도 generative model을 통해 이를 극복할 수 있는 방법을 이해합니다.

확률 통계 및 수식에 대한 체계적인 설명으로 Generative Model을 이해하는 기반을 닦을 수 있습니다.

한정된 데이터만 가지고도 모델의 성능을 높일 수 있게 됩니다.

커리큘럼.
Basic Probability and Information Theory
Introduction to Generative Model
Deep Generative Model
Other Important Deep -Generative Models

Part 1. GENERATIVE MODEL이란?

✅ Deep Generative model을 학습하기 위해 필요한 기초 지식을 다지고, 기존에 존재했던 generative model에 대해 살펴봅니다.

Part 2. DEEP GENERATIVE MODELS

✅Deep generative model의 양대 산맥인 VAE(Variational Autoencoder)와 GAN(Generative Adversarial Nets)에 대해 이론과 실습을 통해 살펴봅니다.

Part 3. DEEP GENERATIVE MODEL의 응용

✅Deep generative model을 응용하여 실제로 접근할 수 있는 문제들에 대해 어떤 연구들이 있었는지 살펴보고 이를 직접 실습을 통해 구현해봅니다.

수강대상

GAN과 VAE를 공부해보려 했지만, 어려움을 겪고 포기한 분

GENERATIVE MODEL 이론은 공부했지만, 실제 구현 방법은 모르겠는 분

GENERATIVE MODEL에 대한 최신 논문을 꼼꼼히 리뷰하고 실무 활용법을 배우고 싶은 분


잠깐!


수강 신청 전, 수강생 선수 지식을 확인하세요!

아래 항목 중 2개 이상 yes라고 답하실 수 있어야, 수강에 어려움이 없습니다.

① CNN에 대한 이론 및 실습 경험이 있는 사람
② 파이썬 코딩이 가능하고 PYTORCH/TENSORFLOW/KERAS사용경험이 있는 분
③ MNIST와 같은 딥러닝 예제를 따라해보신 분

🖐🏻본 강의는 선수 지식이 없을경우 아래의 동영상 강의를 통해 예습을 하고 오면 되는 강의 입니다.


강사소개
이재혁 강사님

실제 데이터를 다루는 사람이라면 매우 흔하게 겪게 되는, 레이블이 부족한 데이터 환경에서 문제를 해결하기 위해서 deep generative model이라는 선택지가 있다는 것을 알려드립니다. 쉽지 않은 분야인만큼 가능한 쉽게 설명할 예정이며, 여러분들이 나중에 실제로 문제를 마주치게 될 때, 이 방법론을 활용하여 문제를 활용할 수 있다는 것을 인지하고, 이를 활용할 수 있는 방안에 대해서 인사이트를 얻기를 바라는 마음입니다.

약력

- 2014-현재 서울대학교 산업공학과 박사과정, 데이터마이닝 전공
- 2012-2014 KAIST 산업공학과 석사, 금융공학 전공
- 2007-2012: KAIST 산업공학과 학사

👨‍💼강의 경력
- 2013년 KAIST 금융공학개론 조교
- 2013년 KAIST 포트폴리오 관리 조교
- 2015년 D사 R프로그래밍 기초 강의
- 2015년 D사 Data Analytics 강의 조교

강사님 인터뷰 보러가기 >

강의장 안내
유의사항 및 환불규정.

수강료.

국내 9개 카드사 12개월 무이자 할부 지원!

  • 삼성카드
  • 신한카드
  • 롯데카드
  • 현대카드
  • 하나카드
  • BC카드
  • KB국민은행
  • 씨티카드
  • NH농협카드