| 1. | |
생성 모델의 개념 | 생성 모델 기본 개념의 수학적 이해 |  |
| 2. | |
생성 모델의 수학적 이해 (1) | 에너지 기반 생성 모델 및 학습 방법 | |
|
생성 모델의 수학적 이해 (2) | 암묵적 생성 모델과 고차원 다중 모드 분포 데이터의 생성 문제 | |
|
| 3. | |
Variational Autoencoder의 이해 | Variational Autoencoder의 목적 및 수학적 모델링 | |
| 4. | |
Variational Autoencoder의 구현 | Variational Autoencoder의 구현 및 학습 | |
| 5. | |
GAN의 개요와 구현 | GAN의 목적함수와 구현 방법 | |
| 6. | |
Deep Convolutional GAN (DCGAN) | DCGAN의 구조와 구현 방법 | |
| 7. | |
Conditional GAN | Conditional GAN의 구조와 구현 방법 | |
| 8. | |
CycleGAN | CycleGAN의 구조와 구현 방법 | |
| 9. | |
Wasserstein GAN (WGAN) | Wasserstein GAN의 이해 및 구현 방법 | |
| 10. | |
Energy-Based GAN (EBGAN) | Energy-Based GAN의 이해 및 구현 방법 | |
| 11. | |
Boundary Equilibrium GAN (BEGAN) | Boundary Equilibrium GAN의 이해 및 구현 방법 | |
| 12. | |
Transformer의 이해와 구현 (1) | 어텐션의 개념과 구현 | |
|
Transformer의 이해와 구현 (2) | Transformer의 구조 및 구현 | |
대구광역시 동구 동내로 64(동내동 1119) 우)41061
COPYRIGHT keris. all rights reserved
페이스북
트위터
카카오톡
네이버밴드
링크복사
