전문가가 전달하는 AI가 궁금하다면?
오늘 자정 할인 마감!

9월 주제 : 컴퓨터 비전과 강화학습 분야에서의 딥러닝 적용

1) 세미나 기간 : 9월 15일 ~ 10월 13일 (주 1회, 총 4주)
*휴강 : 9월 22일 추석연휴로 휴강합니다.

2) 세미나 시간 : 매 주 토요일 오전 10시 ~ 오후 1시
3) 세미나 장소 : 패스트캠퍼스 강남 본원 (강남역 4번 출구 5초 거리)
4) 문 의 : 강호준 매니저 (tel. 02-517-0697)

9월 데이터 사이언스 논문 세미나, 이런 분들에게 추천합니다.

컴퓨터 비전과 강화학습 분야에 어떻게 딥러닝이 적용되는지
다루는 관련 최신 논문들을 혼자 읽고 이해하는데
어려움을 겪는 분

9월 데이터 사이언스 논문 세미나, 이렇게 진행됩니다.

본 세미나는 총 4주차로 진행되며, 각 Session 주제별 연구 동향과 최신 논문 리뷰를 위주로 진행합니다. 따라서, 별도의 실습은 진행되지 않습니다.  4명의 전문가와 함께 컴퓨터 비전과 강화학습 분야의 다양한 주제들에 대한 최신 인사이트를 얻어갈 수 있는 이번 세미나를 놓치지 마세요!

위의 표는 간단한 버전의 커리큘럼 안내입니다. 자세한 내용은 아래 Week별 탭을 클릭해 확인해주세요!

Weel 1 (9/15)
9_1

– B.S. Industrial Engineering/ Mathematical Science, Seoul National Univ. 2017
– M.S. Candidate for Industrial Engineering, Seoul National Univ. 2017~.
– Interest: Reinforcement Learning, Stochastic optimization for machine learning

quote
현재 서울대학교 산업공학과에서 다중 에이전트 강화학습과 기계학습을 위한 최적화에 관하여 연구하고 있습니다. 본 세미나에서는 기본적인 강화학습의 on-policy/off-policy learning의 개념을 알아보고, 두 방법론을 연결하기 위한 최근의 연구들을 소개합니다.

날짜 2018. 9. 15
시간 10:00 ~ 13:00
주제 Bridging the gap between on-policy and off-policy RL

Abstract

로보틱스, 게임, Auto-ML 등 다양한 분야에서 응용가능성을 가진 강화학습은 학습하는 데이터의 특성에 따라 on-policy learning과 off-policy learning으로 나눌 수 있습니다. 안정적인 학습과 sample efficiency를 위해서는 두 방법론을 적절하게 혼용을 할 필요가 있고 이는 강화학습의 중요한 연구 분야 중 하나입니다.
본 세미나에서는 기본적인 강화학습의 on-policy/off-policy learning의 개념을 알아보고, 두 방법론을 연결하기 위한 최근의 연구들을 소개합니다.

[세부내용]
– On-policy/Off-policy learning concept
– ACER [1]
– PGQ [2]
– PCL [3]/Trust-PCL [4]

Reference

[1] Wang, Z., Bapst, V., Heess, N., Mnih, V., Munos, R., Kavukcuoglu, K., & de Freitas, N. (2016). Sample efficient actor-critic with experience replay. arXiv preprint arXiv:1611.01224.
[2] O’Donoghue, B., Munos, R., Kavukcuoglu, K., & Mnih, V. (2016). Combining policy gradient and Q-learning. arXiv preprint arXiv:1611.01626.
[3] Nachum, O., Norouzi, M., Xu, K., & Schuurmans, D. (2017). Bridging the gap between value and policy based reinforcement learning. In Advances in Neural Information Processing Systems (pp. 2775-2785).
[4] Nachum, O., Norouzi, M., Xu, K., & Schuurmans, D. (2017). Trust-pcl: An off-policy trust region method for continuous control. arXiv preprint arXiv:1707.01891.

Week 2 (9/29)
9_2

– 한양대학교 기계감지 및 제어 연구실 석박사통합과정 재학중

quote
현재 한양대학교 미래자동차공학과 기계감지 및 제어 연구실에서 석박사 통합과정으로 재학중입니다. 자율주행 자동차, 운전자 보조 시스템 등에 대해 주로 연구하고 있으며 해당 문제들에 딥러닝과 강화학습을 적용해보려고 노력하고 있습니다. 본 세미나에서는 몇년간 자율주행 차량에 강화학습 및 딥러닝을 적용하려고 노력하며 했던 고민들과 시도들 그리고 생각들을 공유하려합니다.

날짜 2018. 9. 29
시간 10:00 ~ 13:00
주제 자율주행자동차와 강화학습

Abstract

자율주행자동차와 강화학습 모두 최근에 큰 관심을 받고있는 분야들입니다. 이에 따라 강화학습을 자율주행 자동차에 적용하여 차량을 제어를 해보려는 시도도 많아지고 있는 것 같습니다. 저 또한 이런 시도를 해보려고 노력하는 대학원생으로서 그동안 강화학습을 자율주행차에 적용해보려고 했던 노력, 고민, 그리고 생각들을 공유하고자 합니다. 본 세미나에서는 여러 논문들을 간단하게 살펴보며 기존의 자율주행차 기술들과 강화학습, 강화학습과 자율주행자동차의 결합 등 다양한 내용을 이야기하려 합니다.

[세부내용]
– 자율주행자동차의 기술
– 강화학습
– 강화학습과 자율주행자동차의 결합 사례
– 강화학습과 자율주행자동차에 대한 생각과 의견

Reference

[1] Junior: The Stanford Entry in the Urban Challenge
[2] Stanley The Robot that Won the DARPA Grand Challenge
[3] Safe, Multi-Agent, Reinforcement Learning for Autonomous Driving
[4] Deep Q Learning Based High Level Driving Policy Determination
[5] End to End Learning for Self-Driving Cars
[6] Freeway Merging in Congested Traffic based on Multipolicy Decision Making with Passive Actor Critic
[7] Shared Autonomy via Deep Reinforcement Learning
[8] Human-level control through deep reinforcement learning

Week 3 (10/6)
9_3

– 現 연세대학교 컴퓨터과학과 석박사통합과정 재학 중
– 한국컴퓨터종합학술대회 학부생논문경진대회 최우수상
– 현대자동차 BSR 개선 연구 공모전 우수상
– 국제 군사과학기술 경진대회 미래인재상
– Information Science, SCI급 국제 학술지 논문 게재

quote현재 연세대학교 컴퓨터과학과에서 “생성 모델” 및 “악성 소프트웨어 탐지” 전공으로 석박사통합과정에 재학중입니다. 생성 모델을 이용한 다양한 분야에서의 문제 해결을 목표로 연구를 진행중입니다. 국가 과제 및 여러 국내기업과의 산학 협력 연구를 통해 국내외 학술지에 논문을 게재하였습니다.
현직 연구자로서 생성 모델에 대한 이론적 배경과 이를 이용한 활용 사례를 소개해드리도록 하겠습니다.

날짜 2018. 10. 6
시간 10:00 ~ 13:00
주제 생성 모델 (Generative model)의 이해와 VAE, GAN을 이용한 선택적 생성

Abstract

컴퓨터 비전 분야는 물체 인식 (Object detection), 이미지 분류 (Classification)로 그치지 않고, 이미지 생성 (Image generation)까지 넓은 범위의 이미지 처리 분야로 볼 수 있습니다. 비전 분야에서의 생성 모델 (Generative model)은 variational autoencoder (VAE), generative adversarial network (GAN)를 거치며 크게 발전하였습니다. 본 세션에서는 생성모델에 대한 이해와 응용성을 볼 수 있도록, 이론적 배경과 함께 간단한 코드 리뷰를 진행하려고 합니다. 또한, 생성 모델의 한 가지 응용으로, 선택적 생성모델에 대한 연구사례를 소개 하고자 합니다.

[세부 내용]
– Generative Model 의 taxonomy
– Variational autoencoder 의 이해
– Generative adversarial network 의 이해 및 연구 동향
– 선택적 생성 모델의 이해 및 응용
– 간단한 구조의 VAE, GAN의 코드 리뷰

Reference

[1] I. Goodfellow, “NIPS 2016 tutorial: Generative Adversarial Networks,” arXiv preprint arXiv: 1701.00160, 2016.
[2] P. D. Kingma and M. Welling, “Auto-encoding Variational Bayes,” arXiv preprint arXiv: 1312.6114, 2013.
[3] I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville and Y. Bengio, “Generative Adversarial Nets,” In Advances in Neural Information Processing Systems, pp. 2672-2680, 2014.
[4] Y. Hong, U. Hwang, J. Yoo and S. Yoon, “How Generative Adversarial Nets and its Variants Work: An Overview of GAN,” arXiv preprint arXiv: 1711.05914, 2017.
[5] X. Mao, Q. Li, H. Xie, R. Y. Lau, Z. Wang and S. P. Smolley, “Least Squares Generative Adversarial Networks,” Int. Conf. on Computer Vision, pp. 2813-2821, 2017.
[6] S. Nowozin, B. Cseke and R. Tomioka, “f-gan: Training Generative Neural Samplers using Variational Divergence Minimization,” In Advances in Neural Information Processing Systems, pp. 271-279, 2016.

Week 4 (10/13)
9_4

– 現 연세대학교 글로벌융합공학부 석박사 통합과정 재학 중
– NTIRE 2018 SR challenge 참가
– PIRM 2018 SR challenge 참가

quote
현재 연세대학교 글로벌융합공학부 Multimedia Computing and Machine Learning (MCML) 연구실에서 석박사 통합 과정으로 재학 중이며, Image super-resolution (SR)을 포함하여 딥러닝을 활용한 영상 처리에 주로 관심을 갖고 연구를 진행하고 있습니다. 최근 SR관련 대회에 참여했던 경험을 바탕으로, SR의 개념부터 딥러닝 기반의 최근 연구 동향까지 소개드리고자 합니다.

날짜 2018. 10. 13
시간 10:00 ~ 13:00
주제 Single Image Super-Resolution (SISR)의 이해와 최근 연구 동향

Abstract

Single Image Super-Resolution (SISR)은 저해상도의 단일 영상으로부터 고해상도의 단일 영상을 생성해내는 기술입니다.
해당 기술은 위성 영상, 의료 영상 등의 영상의 고주파 성분이 요구되는 다양한 분야에서 활용되고 있습니다.
이번 세미나에서는 SISR에 대한 개념 및 대표적인 기술들을 소개합니다.
또한 최근 연구 동향을 소개함으로써 SISR에 대한 이해를 높이고 향후 관련 연구 및 적용에 있어서의 인사이트를 제공하고자 합니다.

[세부 내용]
– SISR의 개념 설명
– 대표적인 기술 소개 (SRCNN, VDSR, ESPCN, SRGAN, EUSR 등)
– 연구 동향 파악

수강후기

전공분야에 논문리뷰가 필요하다면 최신 트렌드를 알고 싶다면 이 과정을 추천합니다.

논문 세미나라는 기획 자체가 마음에 들었습니다. 앞으로도 여러가지 토픽으로 개설하였으면 좋겠습니다.

강사님들이 모두 질문에 오픈된 자세를 유지하셔서 궁금한 것이 있으면 편하게 질문할 수 있는 분위기가 좋았습니다.

다양한 최신 기술 및 현장에서 사용하기에 적합 유무 등 실환경에서의 경험 등에 대한 설명 소개가 좋았습니다.

FAQ

원하는 session만 선택적으로 수강할 수 있나요?

본 세미나는 세션을 선택하여 등록하는 것은 불가합니다.

다루는 내용들에 대해 잘 모르는데, 세미나를 등록해도 괜찮을까요?

총 4개의 세션은 각 주제별 입문자를 대상으로 진행됩니다.
하지만 세션별 주제에 대해서만 입문 수준으로 진행이 되는 것이고 세션별 주제에 대해서 이해하기 위해서는 기본적으로 지도학습, 비지도학습 등 기계학습(머신러닝)에 대해 이해하고 있으셔야 한다는 점 꼭 확인부탁드립니다.

노트북이 필요한 수업인가요 ?

별도의 실습은 진행되지 않기 때문에, 노트북은 지참하지 않으셔도 됩니다.
필기도구는 따로 제공되지 않으니 필요하실 경우 지참부탁드립니다.

그 밖에 [ 데이터 사이언스 논문 세미나 ]에 대해 궁금하신 점이 있으시면, 언제든 담당 매니저에게 연락해주세요. 친절히 답변해드리겠습니다.

데이터 사이언스 논문 세미나 안내
일 정 2018년 9월 15일 (토) ~ 2018년 10월 13일 (토) | 총 4주
휴강 : 9월 22일 추석 연휴
준비물 개인 노트북 사용 추천
(필기도구만 준비하셔도 무방합니다.)
장 소 패스트캠퍼스 강의장
문 의 강호준 매니저 : 02-517-0697
궁금하신 사항이 있으면 언제든 연락주세요 🙂

세미나 등록가

35만 원

# 세미나 등록 확정은 결제일을 기준으로 합니다.]