About Lecture
대학원 수준의 수학과 학생들을 대상으로 하여, 최신 인공지능의 중요한 한 분야인 생성형 모델을 다루고자 합니다. 이 과목은 생성 모델의 기초 개념부터 최신 연구 동향에 이르기까지 다양한 주제를 다루며, 특히 수학적인 모델의 해석과 이해에 중점을 둡니다. 학생들은 다양한 생성 모델을 이론적으로 배우고, 수학적 분석을 통해 모델을 해석하고 평가하는 능력을 배양합니다. 본 과목은 Stanford 대학의 CS236 Deep Generative Models의 내용을 수학과 대학원생을 대상 수준으로 맞춰서 강의하는 것을 목표로 합니다.
References
Contents
- 1. Introduction and evaluation
- 2. Representation
- 3. Autoregressive Models
- 4. Maximum Likelihood Learning
- 5. Latent variable models
- 6. Latent variable models
- 7. Normalizing Flow Models
- 8. Generative Adversarial Networks
- 9. Generative Adversarial Networks
- 10. Energy-Based Models
- 11. Energy-Based Models
- 12. Score-Based Models
- 13. Score-Based Models
- 14. Score-Based Models
- 15. Score-based model through SDE
- 16. Flow Matching
- 17. OT-CFM