fbpx
machine 2019-08-13T18:41:09+00:00

Go Deeper, Represent the World.

Deep Neural Network

Learning to See.

Computer Vision

[arXiv:1611.08323] Full-Resolution Residual Networks for Semantic Segmentation in Street Scenes

Everyone’s an Artist Now.

Generative Adversarial Networks

[arXiv:1903.07291] Semantic Image Synthesis with Spatially-Adaptive Normalization [CLICK and TRY!]

[arXiv:1812.04948] A Style-Based Generator Architecture for Generative Adversarial Networks

Context is All That Matters.

Natural Language Processing

[arXiv:1809.04281] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding [CLICK and TRY!]

From Molcules to Society.

Graph Neural Network

Beat the Environment.

Reinforcement Learning (Optional)

[arXiv:1312.5602] Playing Atari with Deep Reinforcement Learning

프로그래밍의 패러다임을 바꾸고 있는 딥러닝, 그러나 복잡한 수식과 생소한 전문 용어들 때문에 진입 장벽이 높게만 느껴집니다. 연구자들의 최신 논문들과 세계 유수 대학들의 강의를 비롯해 스스로 학습할 수 있는 모든 자료가 온라인으로 모두 공개되어 있지만 선뜻 시작하기 어려운 이유이기도 합니다. 시중에도 딥러닝을 다루는 강의들은 많지만, 딥러닝이라는 분야의 의의, 철학까지 제대로 전달하는 강의는 매우 드문 것이 현실입니다. CNN이니 RNN이니 하는 모델들을 배운 후 Tensorflow로 코드도 짜보고, 예측 성능도 올려보고 하지만 본질적인 부분은 이해가 잘 되지 않죠. 강의를 들어도 그런 모델들을 학습시킨다는게 무슨 의미인지, 왜 하필 저런 형태로 생긴 모델을 사용하는건지 와닿지 않습니다.

본 프로그램에서는 딥러닝을 Representation Learning이라는 큰 틀에서 바라보고 Representation Learning이 왜 중요한지, 각 딥러닝 알고리즘들이 어떤 방식으로 Representation을 학습하는지 이해하게 됩니다. 2019년 현재는 컴퓨터 비전 분야에 이어 자연어 처리 분야에서 딥러닝 혁명이 일어나고 있는 시기입니다. 이렇게 자연어 처리 분야에서 혁명을 주도하고 있는 OpenAI의 GPT-2, Google의 BERT와 같은 모델들도 결국 같은 맥락으로 자연어의 Representation을 영리하게 학습했기에 강력한 성능을 보여주는 것이죠. 이런 맥락을 모른채로 딥러닝을 그저 무언가를 분류하고 예측하는 예측 모델의 일종 정도로만 배운다면 딥러닝이 왜 그렇게 좋다는 것인지, 그래서 딥러닝을 현실적으로 내 문제에 어떻게 적용시킬 수 있다는 것인지 영 와닿지 않는 것이 당연합니다. 겨우 손글씨나 개, 고양이를 분류하려고 딥러닝을 배우는건 아닐텐데 말이죠.

수강생들은 8주간 딥러닝을 ‘현실적으로’ 활용하는 방법에 대해 배우게 됩니다. 온라인에서 쉽게 얻을 수 있는 개론 수준의 지식보다는 실제 적용시의 작업 파이프라인에 대해 배우거나 핵심 논문들을 읽는 등 독학으로 접근하기 어려운 부분에 더 집중하게 됩니다. 본 프로그램을 통해 딥러닝이라는 분야가 본질적으로 어떤 것을 추구하며 어떤 의미를 가지고 있는지, 도대체 왜 이렇게 뜨거운 분야이고 내 문제에 적용하기 위해서는 어떤 과정을 거쳐야 하는지 이해하실 수 있게 될거에요. 배경 지식보다는 딥러닝을 통해 어떤 문제를 풀고 싶은지 뚜렷한 목표를 가지고 수강하시는 것을 추천드립니다. 길다면 길고, 짧다면 짧은 8주간의 수업을 통해 가치있는 영감을 얻어갈 수 있을겁니다.

강의 자료는 여기에서 확인할 수 있습니다.

강의 장소는 강남역 부근 강의장 입니다.

강의 시간은 5시간씩 8주 입니다.

다음 개강 일정은 2019년 10월 12일 입니다.

수강료는 99만원 입니다.

수강 신청
사업자등록번호 : 263-41-00360    |    대표 : 유준형    |    문의  : help@gradient.co.kr