[PyTorch] 쉽고 빠르게 배우는 GAN
[PyTorch] 쉽고 빠르게 배우는 GAN
수강정보 70명의 수강생
49,500원
지식공유자 : 코코
15회 수업 · 총 3시간 23분 수업
기간 : 평생 무제한 시청
수료증 : 발급 강의
수강 난이도 : 중급이상

이 강의는

GAN(Generative Adversarial Networks)에 대하여 쉽고 정확하게 배워봅니다.

🙆🏻‍♀ 딥러닝의 한 패러다임을 차지하는 GAN에 대하여 배워 봅니다.🙆🏻‍♂

인프런에서 강의한 내용을 정리하여 '파이썬 딥러닝 파이토치' 라는 책으로 출간하였습니다.

많은 관심 부탁드립니다 : ) 

(2020.10.06 기준 인프런 강의 업데이트 되었습니다. 지속적인 강의 업데이트 하도록 하겠습니다)

http://m.yes24.com/Goods/Detail/93376077?ozsrank=10

http://mbook.interpark.com/shop/product/detail?prdNo=339742291&is1=book&is2=product

Pytorch로 쉽고 빠르게 배우는 GAN

🗒 강의소개

요즘에 이야기하는 인공지능은 대부분 딥러닝 모델을 활용합니다. 일반적인 머신러닝이나 딥러닝 모델은 분류와 회귀가 끝이였습니다.
그런데 GAN의 등장은 인공지능의 발전은 한 단계 앞당겼다고 해도 과언이 아닐 정도로 큰 패러다임을 가져왔습니다.
데이터를 분류하고 예측하는 것을 넘어서 생성을 한다는 것은 그때(4-5년전) 당시에만 해도 상상도 할 수 없었습니다. GAN의 등장은, 강화학습(알파고의 기본 원리)과 함께 인공지능에서 뺄래야 뺄 수 없는 분야가 되었습니다.

아래 그림은 1년전 기준 가장 성능이 좋은 GAN이 만들어낸 이 세상에 실제로 존재하지 않는 가짜 이미지입니다. 현재에는 이보다 발전된 모델이 나왔습니다.
이 강의는 GAN에 대한 정확한 개념과 학습 원리에 대해 차근차근 설명하고, GAN의 단점과 발전되는 방향에 대해서도 이야기합니다.

🌈 Vanilla GAN

GAN의 개념과 학습 원리에 대해서 다룹니다.
단순히 개념에 대해서만 설명하는 것이 아닌, 제대로 된 학습원리를 설명해 드리며 수학적인 증명도 함께 합니다.
학습과정과 방법에 대해 설명하고 처음 GAN이 나왔을 때에 지녔던 단점 그리고 GAN의 발전 방향에 대해서 이야기합니다.


🌈 DCGAN/LSGAN/CGAN (점차 발전되는 GAN)

Vanilla GAN이 나온 이후로, GAN은 엄청나게 빠르게 발전해오고 있습니다.
처음에는 CNN에 GAN의 원리를 접목시킨 DCGAN이 나왔고, 약간의 loss만 수정한 LSGAN이 등장하며 다양한 GAN들이 나오고 있습니다.
아래 사진은 DCGAN과 LSGAN의 성능 비교 사진입니다.

🌈 CycleGAN (Style transfer의 기본 모델이 된 GAN)

[데이터를 생성하는 것을 넘어서] GAN의 생성원리를 이용하여 다양한 분야로 발전하기 시작하였습니다. 그중 대표적인 모델이 Style transfer 모델인 CycleGAN입니다. 그림을 사진처럼 혹은 사진을 그림처럼 바꾸기도 하고, 낮과 밤을 바꾸기도 하고, 계절을 바꿔버리기도 합니다.
이렇게 이미지의 두 도메인을 서로 바꿔버리는 GAN모델이 CycleGAN입니다. 이 CycleGAN은 Style transfer를 활용하는 GAN의 기본 base line model이 되었습니다.

아래 그림처럼 CycleGAN이 응용되고 발전되어 오고 있습니다. 이 모델 외에도 다양한 네트워크로 발전해 오고 있습니다.

🌈 CAN (예술품을 생성해내는 GAN모델)

데이터를 생성하는 것은 결국 학습데이터 내에서 생성을 하기 때문에 무언가 새로운 걸 창조하지는 않습니다. 그래서 예술과는 거리가 먼 것이죠. 학습 데이터 내에서 생성하게 되면 결국 그건 '모방'일 뿐이기 때문이죠.
CAN모델은 GAN의 학습원리를 조금 바꿔서 예술품을 생성합니다. 인간에게 설문조사를 해서 실제 예술품과 비슷한 점수를 얻었다고 합니다.

🌈 GAN이 응용/발전되는 다양한 분야

그외에 GAN은 정말 다양한 분야로 발전해오고 있습니다.
이미지가 아닌 머신러닝을 위한 정형 데이터를 생성하기 위한 Radial GAN, 학습데이터가 적은 상황에서 어떻게 하면 다양하고 고품질의 이미지를 생성해낼 수 있을까에 대한 모델인 DeliGAN, 여러개의 GAN의 모델을 조합한 MGAN, 저화질을 고화질로 바꿔주는 SRGAN 등 다양한 GAN에 대해서 간략하게 소개합니다.

실습자료링크 : https://github.com/LeeGyeongTak/torchgan

잠깐! 🖐

본 강의는 [PyTorch] 쉽고 빠르게 배우는 딥러닝의 후속강의 입니다. 
딥러닝 기본에 대해 알고 있다라는 전제하에 강의를 진행합니다.

연관 강의 보러가기

[PyTorch] 쉽고 빠르게 배우는 딥러닝
딥러닝의 개념과 관련 지식을 빠르게 학습하세요.

이런 걸 배워요

  • GAN의 개념과 생성 원리
  • DCGAN,LSGAN,CycleGAN
  • GAN의 응용 분야와 발전 방향

도움 되는 분들

  • 딥러닝 제대로 공부하고 싶으신 분
  • GAN 처음 배우시는 분
  • CNN,RNN을 막 공부하신 분

선수 지식

  • Python/Pytorch기초
  • 딥러닝에 대한 기본 지식

공개 일자

2020년 3월 13일 (마지막 업데이트 일자 : 2020년 9월 18일)

지식공유자 소개

학부에서는 통계학을 전공하고 현재는 산업공학(인공지능)을 공부하고 있는 박사과정생입니다.

수상

ㆍ 제6회 빅콘테스트 게임유저이탈 알고리즘 개발 / 엔씨소프트상(2018)

ㆍ 제5회 빅콘테스트 대출 연체자 예측 알고리즘개발 / 한국정보통신진흥협회장상(2017)

ㆍ 2016 날씨 빅데이터 콘테스트/ 기상산업 진흥원장상(2016) 

ㆍ 제4회 빅콘테스트 보험사기 예측 알고리즘 개발 / 본선진출(2016)

ㆍ 제3회 빅콘테스트 야구 경기 예측 알고리즘 개발 / 미래창조과학부 장관상(2015)

* blog : https://bluediary8.tistory.com

주로 연구하는 분야는 데이터 사이언스, 강화학습, 딥러닝 입니다.

크롤링과 텍스트마이닝은 현재는 취미로 하고있습니다 :) 

크롤링을 이용해서 인기있는 커뮤니티 글만 수집해서 보여주는 마롱이라는 앱을 개발하였고

전국의 맛집리스트와 블로그를 수집해서 맛집 추천 앱도 만들었었죠 :) (시원하게 말아먹..)

지금은 인공지능을 연구하는 박사과정생입니다.

 

아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️

교육과정

모두 펼치기 15 강의 3시간 23분
섹션 0. Generative Adversarial Network의 기본 개념과 학습 원리
5 강의 71 : 42
Generative Adversarial Networks란?
18 : 24
GAN의 개념과 학습원리
11 : 52
GAN의 minimax problem 증명
13 : 09
GAN의 학습과정
15 : 52
GAN의 문제점과 발전 방향
12 : 25
섹션 1. GAN의 성능 향상과 응용 분야
6 강의 86 : 23
Deep Convolutional GAN과 Conditional GAN
12 : 17
Least Square GAN
09 : 42
데이터를 생성하는 것을 넘어서 도메인을 Transfer 시키는 CycleGAN
18 : 56
예술품을 생성하는 Creative Adversarial Network
12 : 32
[실습] DCGAN/LSGAN
18 : 51
[실습]Conditional GAN
14 : 05
섹션 2. GAN이 활용되는 다양한 분야
2 강의 45 : 44
머신러닝을 위한 데이터를 생성하기 위한 RadialGAN
19 : 57
적은 데이터로 다양한 데이터를 생성할수 있는 DeliGAN,그리고 GAN이 응용되는 다양한 분야
25 : 47
섹션 3. 강의자료
2 강의
강의자료
강의실습자료
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의들을
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스