![Deep Learning과 PyTorch [그리고 이미지분류]강의 썸네일](https://cdn.inflearn.com/public/files/courses/341712/cover/ai/3/f1bb7ccd-7a72-4fa7-9ae0-cc3c9b3f3e8b.png?w=420)
Deep Learning과 PyTorch [그리고 이미지분류]
개발자Park
PyTorch를 통해 딥러닝을 배웁니다. 최종적으로는 이미지 분류를 강의에서 다룹니다.
입문
Python, 딥러닝, PyTorch
이 강의는 생성형 인공지능 모델 중 Diffusion 모델과 관련된 실습을 수행합니다. 대표적인 Diffusion 모델 응용 논문인 prompt-to-prompt 논문을 함께 읽어보고 구현해 봄으로써, 최신 인공지능 논문을 이해할 수 있는 능력을 함양할 수 있기를 기대합니다.
수강생 66명
난이도 중급이상
수강기한 무제한





카카오
에 관심있는 사람들도 듣는 중!





카카오
에 관심있는 사람들도 듣는 중!
먼저 경험한 수강생들의 후기
5.0
south420
딥러닝 논문 구현 강의가 많이 없어서 찾고 있었는데, 좋은 강의 감사합니다!
5.0
개발꿈나무
강의 잘 들었습니다! 저같은 초보자를 위해서 AI 기초 관련 논문 강의도 해주셨음 좋겠어요
5.0
열심히공부
이렇게까지 자세히 친절하게 설명해주는 논문 구현 강의는 처음인것 같네요. Diffusion 논문이 어떤식으로 구성되어 있는지 많이 참고가 되었습니다. 감사합니다.
Diffusion 모델 개념 이해하기
대표적인 Diffusion 모델 응용 논문인 Prompt-to-prompt 논문 이해하기
PyTorch를 이용해서 Prompt-to-prompt 논문 구현해보기
AI 논문을 읽고 구현할때 막히는 부분들에 대한 해결 방법들
Prompt-to-prompt 논문 구현 실습을 통해, Diffusion 모델의 디테일을 자연스럽게 이해하고,
AI 커리어를 밟아나가기 위해서 필수가 된 논문 구현 능력을 얻어가세요!
Diffusion 모델을 공부하면서 아래와 같은 어려움을 겪으시진 않으셨나요?
최신 모델 코드가 공개되어 있지 않거나 알아보기 어렵게 작성되어 있다.
이론에 대한 정보는 무수히 많지만, 막상 특정 모델 구현을 시작하려고 하니 막막하다.
인공지능 전공자 입장에서 겪었던, 위와 같은 어려움을 극복했던 노하우를 모두 담았습니다. 이 강의에서는 Diffusion 모델의 필수 개념에 대해 이해하고, 주요 논문의 코드를 함께 구현하면서 결과를 재현해 봅니다.
아래는 Prompt-to-prompt 논문의 구현 결과 예시입니다.
논문을 읽어보기 전, Diffusion 모델에 대해 알아야 할 사전지식들을 실용적인 관점에서 빠르게 훑어봅니다. 또한 구현 관점에서 알아야 할 Diffusion 모델 아키텍처에 대해서도 이야기 합니다.

대표적인 Diffusion 모델 응용 논문인 Prompt-to-prompt 논문을 함께 읽어보며 핵심 내용들을 정리해 봅니다. 구현시 고려해야 할 부분들을 핵심적으로 다루며, 인공지능 논문을 읽는 방법에 대한 전반적인 팁이 녹아있습니다.

함께 읽은 논문을 바탕으로, 논문의 결과를 재현하기 위한 코드를 작성해 봅니다. 강의 내용은 라이브 코딩으로 구성되어 있으며, 논문의 내용을 구현하기 위한 디테일에 대한 설명을 포함합니다. 또한 구현중 발생하는 여러 문제들에 대한 trouble shooting 방법을 배울 수 있습니다.

Q1. 최신 인공지능 모델을 단지 응용하고 싶을 뿐인데, 굳이 논문을 찾아서 읽어야 할까요?
A. 논문을 찾아서 읽어보는 것이 해당 응용 방법을 정확히 이해하는 가장 빠른 길입니다. 논문을 통해서 최신 인공지능 트렌드를 빠르게 습득해 보세요.
Q2. 논문을 이해하려면 선수지식이 많이 필요하지 않나요?
A. 해당 분야에 대한 기초적인 선수지식이 있다면, 잘 모르는 개념은 그때그때 찾아보면서 이해할 수 있습니다. 이 강의를 통해 인공지능 논문을 이해하기 위한 핵심 개념들과 노하우를 얻어가세요.
프로그래밍 언어 및 라이브러리: Python, PyTorch, Hugging Face
개발 환경 도구: Visual Studio Code, Anaconda, Jupyter Notebook
실행 하드웨어 요구사항: Nvidia GPU 12GB 이상 / Apple Silicon 16GB 이상
강의 슬라이드, 논문, 실습코드 제공
Python 언어에 대한 이해
Visual Studio Code, Anaconda, Jupyter Notebook을 활용한 기초적인 개발 경험
선형대수/인공지능에 대한 기초적인 이해
이 강의는 Diffusion 모델을 응용하는 논문을 이해하고 구현하는 실습 프로젝트입니다.
모든 인공지능 이론을 A부터 Z까지 다루는 강의가 아닙니다.
논문의 내용을 구현하는데 있어서 필요한 배경지식을 실용적인 관점에서 다룹니다.
학습 대상은
누구일까요?
최신 인공지능 논문의 내용을 구현하는 프로젝트와 연관된 모든 분들
인공지능 관련 커리어 준비를 하시는 분들 (AI 엔지니어, AI 대학원 등)
인공지능을 주제로 대학교 졸업 논문/프로젝트를 준비하시는 분들
선수 지식,
필요할까요?
Python 언어에 대한 이해
Visual Studio Code, Anaconda, Jupyter Notebook을 활용한 기초적인 개발 경험
선형대수/인공지능에 대한 기초적인 이해
전체
53개 ∙ (6시간 32분)
해당 강의에서 제공:
3. 생성 모델이란?
04:04
4. 이미지 생성모델 Overview
07:53
5. Diffusion Process
02:56
10. [참고] U-Net
03:04
15. 인공지능 논문 구조
05:40
16. Abstract
13:57
20. Related work
09:02
21. Method (1/9)
05:44
22. Method (2/9)
10:59
23. Method (3/9)
11:22
24. Method (4/9)
13:49
25. Method (5/9)
04:39
26. Method (6/9)
17:04
27. Method (7/9)
12:21
28. Method (8/9)
05:37
29. Method (9/9)
03:31
37. Conclusions
09:32
전체
9개
같은 분야의 다른 강의를 만나보세요!