딥러닝은 많은 층으로 구성된 심층 신경망을 훈련하여 지능적 처리가 필요한 여러 가지 응용에 활용하기 위한 인공지능의 연구 분야이다. 본 과목에서는 딥러닝을 이해하는 데 기초가 되는 기본적인 신경망 구조 및 학습 방법을 바탕으로 다양한 유형의 심층망 모델을 소개한다. 주요 내용은 다음과 같다. - 신경망의 기본 개념 및 역전파 - 합성곱 모델 및 합성곱을 기반으로 한 다양한 심층 합성곱 모델 - 오토인코더와 GAN - RNN의 개념 및 LSTM과 GRU 모델 - 트랜스포머 및 GPT
Deep learning is a research field of artificial intelligence that involves training deep neural networks to apply to various applications that require intelligent processing. In this course, we explore along with the fundamental concepts of neural network and various deep neural network model. The major topics that will be covered are as follows. - Basic concepts of neural networks and backpropagation - Basic concepts of CNN and various deep CNN models - Autoencoder and GAN - Basic concepts of RNN, LSTM and GRU - Transformers and GPT
딥러닝은 많은 층으로 구성된 심층 신경망을 훈련하여 지능적 처리가 필요한 여러 가지 응용에 활용하기 위한 인공지능의 연구 분야이다. 본 과목에서는 딥러닝을 이해하는 데 기초가 되는 기본적인 신경망 구조 및 학습 방법을 바탕으로 다양한 유형의 심층망 모델을 소개한다. 주요 내용은 다음과 같다.
- 신경망의 기본 개념 및 역전파
- 합성곱 모델 및 합성곱을 기반으로 한 다양한 심층 합성곱 모델
- 오토인코더와 GAN
- RNN의 개념 및 LSTM과 GRU 모델
- 트랜스포머 및 GPT
Deep learning is a research field of artificial intelligence that involves training deep neural networks to apply to various applications that require intelligent processing. In this course, we explore along with the fundamental concepts of neural network and various deep neural network model. The major topics that will be covered are as follows.
- Basic concepts of neural networks and backpropagation
- Basic concepts of CNN and various deep CNN models
- Autoencoder and GAN
- Basic concepts of RNN, LSTM and GRU
- Transformers and GPT