풀잎스쿨
2-3개월 간 학습하는 집중 스터디 과정입니다.
* 풀잎스쿨은 3개월마다 진행됩니다.
이 강좌는 Coursera의 온라인 강좌를 듣고, 퀴즈와 연습문제를 풀며 의문이 나는 것은 서로 토의하여 이해하는 방식으로 진행됩니다.
여기서 공부하는 내용은 Course 1과 2의 내용으로 GAN 구성 요소를 이해하고, PyTorch를 사용하여 기본 GAN을 구축하고, Convolution 레이어를 사용하여 고급 DCGAN을 구축하고, GAN을 제어하고, 조건부 GAN을 구축하는 것을 해봅니다. 또한, generative 모델들을 비교하고, FID 방법을 사용하여 GAN 충실도와 다양성을 평가하며, GAN에서 편향(bias)을 감지하는 방법을 배우고, StyleGAN 기술을 구현해봅니다.
 ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄
★ 잠깐! 풀잎스쿨 14기에는 GAN 풀잎이 2개 열립니다.
본 풀잎은 중급 난이도이며, 이론+실습으로 진행됩니다.
고급 난이도에 이론을 공부하는 GAN 풀잎을 원한다면 "GAN 최신 논문 톺아보기"를 신청해주세요!
- 활발한 커뮤니케이션을 위하여 화상으로 카메라와 마이크를 켜고 진행됩니다.
- 캠(혹은 캠이 내장된 노트북), 마이크 기능이 있는 이어폰을 준비해주세요.
- 마지막 주차는 모두의연구소 강남캠퍼스에서 오프라인으로 진행됩니다.
- 풀잎스쿨 14기에 한하여 온라인 과정이 165,000원으로 할인됩니다. 결제 페이지에서 온라인 전용 할인 쿠폰을 드립니다.
- GAN을 직접 구현하고 돌려보고 싶은 사람들
- 기본적인 딥러닝 이론에 대한 이해를 가지고 있는 분
- 파이썬을 알고 Tensorflow, PyTorch와 같은 것으로 수박 겉핥기라도 코딩해 본 적이 있는 분
Chapter2. Build Basic Generative Adversarial Networks (GANs) (Course 1)
3주차. Deep Convolutional GANs
4주차. Wasserstein GANs with Gradient Penalty
5주차. Conditional GAN & Controllable Generation
Chapter3. Build Better Generative Adversarial Networks (GANs) (Course 2)
7주차. GAN Disadvantages and Bias
8주차. StyleGAN and Advancements
- GANs Specialization 에 유료로 강의를 등록하거나 청강을 함 (청강의 경우 퀴즈와 코드를 인터넷에서 공유하는 것을 도와줌)
- 온라인 강좌 사이트: https://www.coursera.org/specializations/generative-adversarial-networks-gans
* 코세라 서버 (유료강의 등록자)혹은 Colab 사용 또는 자기 컴퓨터 (with GPU) 사용
이상헌
#친절한 #도우미
다년간 자동차분야의 CAD, HMI, AI 응용 등 자동차-IT 융합에 관한교육 및 연구를 수행한 경험이 있고, 모두의 연구소에서 Lab 참여 및풀잎스쿨 퍼실 경험이 있습니다.
본 강좌를 개설한 동기는 GAN에 대하여 다들 들어보거나 논문을 읽어보아서 그 기본원리는 대략 이해하고 있으나 좀더 실질적으로 어떻게 이를 구현하고 또 관심 분야에 어떻게 응용할 수 있을 것인가를 고민하는 사람들을 위해,
최근에 새로 올라온 Coursera 인기 강좌인 GANs Specialization의 온라인 강의와 실습 과제를 따라 해보면서 빠른 시간내에 GAN을 응용할 수 있는 기회를 갖기 위해서입니다.
모쪼록 이 강좌를 통해 딥러닝에 대한 이해가 넓어지고 자신의 일이 더욱 성과가 있기를 기원합니다.
풀잎스쿨 / LAB 참여 이력
풀잎스쿨 퍼실 활동
딥러닝 기초반
딥러닝 중급반
LAB 연구원 활동
현재 딥랩 논문반에서 활동중
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
시작일
2021년 1월 9일
진행일시
토 / 10:30
수강기간
8주 (3시간/주)
진행장소
온라인캠퍼스
231,000원 165,000원(쿠폰제공)
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
시작일
2021년 1월 9일
진행일시
토 / 10:30
수강기간
8주 (3시간/주)
진행장소
온라인캠퍼스
231,000원 165,000원(쿠폰제공)
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
이 강좌는 Coursera의 온라인 강좌를 듣고, 퀴즈와 연습문제를 풀며 의문이 나는 것은 서로 토의하여 이해하는 방식으로 진행됩니다.
여기서 공부하는 내용은 Course 1과 2의 내용으로 GAN 구성 요소를 이해하고, PyTorch를 사용하여 기본 GAN을 구축하고, Convolution 레이어를 사용하여 고급 DCGAN을 구축하고, GAN을 제어하고, 조건부 GAN을 구축하는 것을 해봅니다. 또한, generative 모델들을 비교하고, FID 방법을 사용하여 GAN 충실도와 다양성을 평가하며, GAN에서 편향(bias)을 감지하는 방법을 배우고, StyleGAN 기술을 구현해봅니다.
 ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄
★ 잠깐! 풀잎스쿨 14기에는 GAN 풀잎이 2개 열립니다.
본 풀잎은 중급 난이도이며, 이론+실습으로 진행됩니다.
고급 난이도에 이론을 공부하는 GAN 풀잎을 원한다면 "GAN 최신 논문 톺아보기"를 신청해주세요!
- 활발한 커뮤니케이션을 위하여 화상으로 카메라와 마이크를 켜고 진행됩니다.
- 캠(혹은 캠이 내장된 노트북), 마이크 기능이 있는 이어폰을 준비해주세요.
- 마지막 주차는 모두의연구소 강남캠퍼스에서 오프라인으로 진행됩니다.
- 풀잎스쿨 14기에 한하여 온라인 과정이 165,000원으로 할인됩니다. 결제 페이지에서 온라인 전용 할인 쿠폰을 드립니다.
- GAN을 직접 구현하고 돌려보고 싶은 사람들
- 기본적인 딥러닝 이론에 대한 이해를 가지고 있는 분
- 파이썬을 알고 Tensorflow, PyTorch와 같은 것으로 수박 겉핥기라도 코딩해 본 적이 있는 분
Chapter2. Build Basic Generative Adversarial Networks (GANs) (Course 1)
3주차. Deep Convolutional GANs
4주차. Wasserstein GANs with Gradient Penalty
5주차. Conditional GAN & Controllable Generation
Chapter3. Build Better Generative Adversarial Networks (GANs) (Course 2)
7주차. GAN Disadvantages and Bias
8주차. StyleGAN and Advancements
- GANs Specialization 에 유료로 강의를 등록하거나 청강을 함 (청강의 경우 퀴즈와 코드를 인터넷에서 공유하는 것을 도와줌)
- 온라인 강좌 사이트: https://www.coursera.org/specializations/generative-adversarial-networks-gans
* 코세라 서버 (유료강의 등록자)혹은 Colab 사용 또는 자기 컴퓨터 (with GPU) 사용
함께 공부하고 싶은 과정을 기획하고 풀잎 모임을 리딩 및 진행합니다.
따라서 질문과 토론을 통해 지식을 인터랙티브하게 공유하고 성장할 수 있습니다.
* 플립러닝(flipped Learning) : 거꾸로 학습. 각자 학습을 해온 후 모여서 질문, 토론 등으로 공부하는 방식
이상헌
다년간 자동차분야의 CAD, HMI, AI 응용 등 자동차-IT 융합에 관한교육 및 연구를 수행한 경험이 있고, 모두의 연구소에서 Lab 참여 및풀잎스쿨 퍼실 경험이 있습니다.
본 강좌를 개설한 동기는 GAN에 대하여 다들 들어보거나 논문을 읽어보아서 그 기본원리는 대략 이해하고 있으나 좀더 실질적으로 어떻게 이를 구현하고 또 관심 분야에 어떻게 응용할 수 있을 것인가를 고민하는 사람들을 위해,
최근에 새로 올라온 Coursera 인기 강좌인 GANs Specialization의 온라인 강의와 실습 과제를 따라 해보면서 빠른 시간내에 GAN을 응용할 수 있는 기회를 갖기 위해서입니다.
모쪼록 이 강좌를 통해 딥러닝에 대한 이해가 넓어지고 자신의 일이 더욱 성과가 있기를 기원합니다.
딥러닝 기초반
딥러닝 중급반
LAB 연구원 활동
현재 딥랩 논문반에서 활동중
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.