14 days with Claude Code
지승현
출시되자마자 바로 시작해서 14일간 써본 결과 취준생도 현업자도 모두 바로 적용할수 있는 클로드 코드! (AI 코딩) 라고 모두에게 추천하는 이유를 바로 알려드립니다.
입문
React, Python, Java
最近のディープラーニングのトレンドに追いつけるように、ディープラーニングの画期的な進歩の文脈について見ていきます。
受講生 397名
ディープラーニングでの「トレンド」概念
ディープラーニングがなぜ現代にこのような形で現れたのか、『研究の文脈』に関する理解
「SOTA論文まで見たけど、今何してるの?」
「Tensorflowを使ったことがありますか?16歳の娘もTensorflowで機械学習モデルを作成します。」
「国際学術大会発表を聞いてみませんか?それは一体どう?」
いくらディープラーニング研究が非常に急速に発展していても、最新の研究は既存に定義された問題に基づいています。これらの問題をテーマ別によく理解すれば、最新の研究の価値、意義をすぐにキャッチできます。したがって、今回の講義を通じて、最近のディープラーニングの画期的な進歩にはどんな点が核心だったのか、また現在のディープラーニング学界/産業界に与えられた難題は何なのか直感的に伝えたいと思います。
本講義は2023年までの研究トレンドを取り上げており、 Generative modelsのチャプターから順次アップロード予定です。
Representation learningが登場する背景
学習技術を効果的に発展させるための要素
Transferability、Uniformityなどの抽象的で難解な概念の理解
Generative modelsの発展段階と談話の発展過程
Large Language Modelが登場する背景
LLMに引き続き求められる2つの基準、InterpretabilityとKnowledgeの区別
KnowledgeとMemoryの関係
Adversarial gradientの特性
Gradient, Representation, Model 各要素間の adversarial な相互作用
偽研究所活動など知識共有の価値を目指し、直感的で正確なコンセプトを伝えようとする様々なセミナー経験をしてきました。
SIGUL 2024 workshop Program Committee、ACL 2023 emergency reviewer、EMNLP 2023 Invited reviewer、情報科学会論文誌の出版履歴など、さまざまな研究や実務履歴があります。
詳細についてはnotion resumeを参照してください。
学習対象は
誰でしょう?
ディープラーニング最前線のイシューが気になる方
そろそろハングルでググった情報が疑わしくなってくる方
前提知識、
必要でしょうか?
Stanford/MIT OCW seriesの少なくとも1コースを全て修了された方
または Coursera、UdemyなどのIT系学校法人の学位課程を修了された方
線形代数、数理統計学、微積分学についての基本的な理解
2,568
受講生
80
受講レビュー
1
回答
4.5
講座評価
4
講座
全体
18件 ∙ (3時間 4分)
講座資料(こうぎしりょう):
2. 自己教師あり学習
14:14
3. 相互情報量
22:01
4. 対照学習
15:28
5. 離散表現
12:36
6. マルチモーダル表現
14:06
7. 練習問題1 解説
16:44
8. 変分オートエンコーダー
13:28
9. 事後としてのモデル
09:53
10. 拡散モデル
15:45
11. インコンテキストラーニング
14:22
12. 動画生成
10:21
無料
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!