![[PyTorch] Learn NLP easily and quicklyHình thu nhỏ khóa học](https://cdn.inflearn.com/public/courses/325056/course_cover/b66025dd-43f5-4a96-8627-202b9ba9e038/pytorch-nlp-eng.png?w=420)
[PyTorch] Learn NLP easily and quickly
coco
This course covers basic natural language processing techniques and various text tasks using deep learning.
Trung cấp trở lên
Deep Learning(DL), Artificial Neural Network, PyTorch
GAN(Generative Adversarial Networks)について、わかりやすく正確に学びます。

GAN の概念と生成原理
DCGAN、LSGAN、CycleGAN
GANの応用分野と発展方向
ディープラーニングのパラダイムを占める
GANについて学びましょう! 🙆🏻♂
 Inflearnで講義した内容をまとめ、「Pythonディープラーニングパイトーチ」という本で出版しました。
多くの興味をお願いします :)
 (2020.10.06 基準 Inflearn 講義更新されました。継続的な講義更新をさせていただきます)
最近話している人工知能は、ほとんどディープラーニングモデルを活用しています。一般的な機械学習やディープラーニングモデルは分類と回帰の終わりでした。ところがGANの登場は、人工知能の発展は一段階進んだとしても過言ではないほど大きなパラダイムをもたらしました。
データを分類して予測することを超えて生成をするということは、その時(4-5年前)当時のみしても想像もできませんでした。 GANの登場は、強化学習(アルファゴの基本原理)とともに人工知能から差し引かれてはいけない分野となりました。
下の図は、1年前に最もパフォーマンスの良いGANが作成したこの世界に実際には存在しない偽のイメージです。現在はこれより発展したモデルが出てきました。
このレッスンでは、GANの正確な概念と学習の原理について次々と説明し、GANの欠点と発展する方向についても説明します。 
 GANの概念と学習原理について説明します。
単に概念についてだけ説明するのではなく、きちんとした学習原理を説明し、数学的な証明も一緒にします。
学習過程と方法について説明し、初めてGANが出たときにあった欠点そしてGANの発展方向について話します。
  
 Vanilla GANが登場して以来、GANは非常に急速に発展しています。
最初はCNNにGANの原理を組み込んだDCGANが出てきたし、わずかなlossだけ修正したLSGANが登場し、様々なGANが出ています。
下の写真はDCGANとLSGANの性能比較写真です。
 
 [データの生成を超えて] GANの生成原理を利用して様々な分野に発展し始めました。そのうち代表的なモデルがStyle transferモデルであるCycleGANです。絵を写真のようにあるいは写真を絵のように変えたり、昼と夜を変えたり、季節を変えたりすることもあります。
このようにイメージの2つのドメインを入れ替えてしまうGANモデルがCycleGANです。このCycleGANはStyle transferを活用するGANの基本ベースラインモデルとなりました。
 
 
下図のようにCycleGANが応用・発展してきています。このモデルに加えて、さまざまなネットワークに発展しています。
データを生成することは最終的に学習データ内で生成をするので、何か新しいものを作成しません。それで芸術とは距離が遠いのです。学習データ内で生成することになれば結局それは「模倣」にすぎないからです。
 CANモデルはGANの学習原理を少し変えて芸術品を生成します。人間にアンケートをして実際の芸術品と似たスコアを得たそうです。
 
そのほか、GANは本当に様々な分野に発展してきています。
画像ではなく機械学習のための整形データを生成するためのRadial GAN、学習データが少ない状況でどうすれば多様で高品質の画像を生成できるかについてのモデルであるDeliGAN、複数のGANのモデルを組み合わせたMGAN、低画質を高画質に変えるSRGANなど、さまざまなGANについて簡単に紹介します。 
練習資料リンク:https: //github.com/LeeGyeongTak/torchgan
この講義は[PyTorch]簡単かつ迅速に学ぶディープラーニングの後続講義です。
ディープラーニング基本について知っているという前提で講義を進めます。
学習対象は 
誰でしょう?
ディープラーニングをきちんと勉強したい方
GAN を初めて学ぶ方
CNN、RNNを最近勉強した方
前提知識、 
必要でしょうか?
Python/Pytorchの基礎
ディープラーニングの基本知識
8,313
受講生
502
受講レビュー
136
回答
4.4
講座評価
20
講座
학부에서는 통계학을 전공하고 산업공학(인공지능) 박사를 받고 여전히 공부중인 백수입니다.
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.
全体
15件 ∙ (3時間 23分)
講座資料(こうぎしりょう):
全体
14件
3.8
14件の受講レビュー

受講レビュー 3
∙
平均評価 4.0
4
I am a student who is trying to get started with GAN for the first time. It is easy to understand because it only explains the important core of major papers. It is a lecture that I would recommend to beginners like me. However, I will take off one star because I think the lecture chapters are few compared to the price.

受講レビュー 2
∙
平均評価 5.0

受講レビュー 46
∙
平均評価 5.0

受講レビュー 11
∙
平均評価 4.7
4
I did the course, but it's like I understand it but I don't. Haha The first half is easy to explain, but at some point, the difficulty level suddenly increases. It feels like listening to a rap seminar? "We all know, right?" If you lack the skills, you might wonder what's going on even after listening.. It's definitely an advanced lecture that will be very helpful if you continue to study and listen to it many times.

受講レビュー 9
∙
平均評価 5.0
¥6,110
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!