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