RNNのすべて | Transformer講義 TTT無料公開
hyukppen
無料
初級 / RNN, Deep Learning(DL)
RNNはどのように順序のある情報を処理するのでしょうか?『TTT: To The Transformer』のRNNパートを無料で公開します。リカレントニューラルネットワークの動作原理を直感的な説明で理解し、アテンションとトランスフォーマーを学ぶための基礎を築いてみましょう。
初級
RNN, Deep Learning(DL)
実は人工ニューラルネットワークは分布を出力していた! TTD: To The DiffusionのMLE・AE・VAE入門パートを無料公開します。最尤推定によってニューラルネットワークの出力と損失関数を理解し、PCA・オートエンコーダーから潜在変数ベースの画像生成、そしてVAEが必要な理由までつなげて解説します。全5回、約2時間26分です。
ニューラルネットワークの出力を確率分布の観点から理解する
最尤推定(MLE)の観点からディープラーニングの学習原理を理解する
PCA・AEの圧縮と復元、潜在変数に基づく画像生成、およびVAEの必要性を理解する
受講対象
ニューラルネットワークの出力と損失関数をより深く理解したい方
AEとVAEの違い、画像生成に潜在変数と確率モデルが必要な理由を理解したい方
前提知識
人工ニューラルネットワークとディープラーニング学習の基礎概念
確率と確率分布の基礎概念を知っているとよいでしょう。VAE・拡散について事前に知っておく必要はありません。
199
受講生
5
受講レビュー
4.8
講座評価
4
講座
こんにちは。KAIST電気・電子工学部博士課程修了のディープラーニング専門講師、ヒョクペンハイムです。サムスン電子の主任研究員、成均館大学医学部の客員講師を経て、現在はヒョクペンハイム・アカデミーを運営しています。ディープラーニング入門書『Easy! ディープラーニング』の著者であり、講師歴11年、累計受講生約3,000名の教育経験を積んできました。CNN、トランスフォーマー、LLM・ビジョンモデル、拡散モデルなど、ディープラーニングの理論とPyTorchの実習を専門としています。
モデル構造や数式を単に暗記するのではなく、それぞれのアイデアがなぜ生まれ、どのように機能するのかを理解できるように説明します。直感的なたとえから始め、数式の意味を確認しながらコードへとつなげ、学んだ内容を自分自身で説明し、論文を深く読み解くための基盤を築くことを目指しています。
YouTubeチャンネル「혁펜하임」では、基礎数学・Pythonからディープラーニングの発展的なテーマまで講義を公開しており、学校・企業・機関向けの出張講義や教育も行っています。
全体
5件 ∙ (2時間 26分)
知識共有者の他の講座はこちら
同じ分野の他の講座を見てみましょう!
無料