웅진씽크빅 K-Mooc｜Python 활용한 생성 모델 기초과정

#K-Mooc #무료교육 #온라인

강좌소개

• 이 과정에서는 생성형 AI의 핵심을 이루는 여러 기술들을 살펴봅니다. 우리는 이미지를 생성하는 오토인코더와 변이형 오토인코더부터 시작해, 복잡한 텍스트와 이미지 생성 문제를 해결하는 겐(GAN)에 이르기까지 폭넓게 다루게 됩니다. 
• 각 세션은 이론적인 설명뿐만 아니라, 실제 코드를 작성하고 결과를 시험해보는 실습으로 구성됩니다. 특히, 직무에 적용 가능한 실용적인 예제들을 통해, 이론이 실제 어떻게 활용되는지 직접 체험하실 수 있습니다. 새로운 기술에 대한 이해도를 높이고 실제 문제 해결 능력을 기르는 것이 우리의 목표입니다.

학습목표

• 이 과정을 통해 여러분은 생성형 AI의 기본 원리와 작동 방식을 깊이 있게 이해하게 됩니다. 간단한 프로젝트를 통해 모델을 직접 구현하고, 다양한 데이터셋을 사용하여 이 모델들을 훈련시킬 수 있습니다. 또한, 생성된 결과물을 분석하고 평가하는 방법을 배우면서, AI 개발자로서의 핵심 역량을 갖추게 됩니다.
  

이수 및 평가기준

• 이수 기준: 출석 (20%, 완강률), 중간고사 (40%, 객관식 30문항), 기말고사 (40%, 객관식 30문항)
• 평가 기준: 출석, 중간고사, 기말고사 합산하여 60% 이상 

학습목표

• 이 과정을 통해 여러분은 생성형 AI의 기본 원리와 작동 방식을 깊이 있게 이해하게 됩니다. 간단한 프로젝트를 통해 모델을 직접 구현하고, 다양한 데이터셋을 사용하여 이 모델들을 훈련시킬 수 있습니다. 또한, 생성된 결과물을 분석하고 평가하는 방법을 배우면서, AI 개발자로서의 핵심 역량을 갖추게 됩니다.

이수 및 평가기준

• 이수 기준: 출석 (20%, 완강률), 중간고사 (40%, 객관식 30문항), 기말고사 (40%, 객관식 30문항)
• 평가 기준: 출석, 중간고사, 기말고사 합산하여 60% 이상 

수업계획서

주차	주차명(주제)	차시	차시명(학습내용)
1	Python 및 딥 러닝 라이브러리	1-1	인공지능의 이해
		1-2	신경망의 이해
		1-3	생성 모델의 이해
2	생성 모델의 기본 이론	1-1	Autoencoder
		1-2	VAE (Variational Autoencoders)
		1-3	GAN (Generative Adversarial Networks)
3	딥 러닝 라이브러리를 사용하여 생성 모델 구축	1-1	VAE 모델 실습
		1-2	GAN 모델 실습
		1-3	최적화 및 훈련 기법
4	중간평가	1-1	1-3주차 학습 정리 및 평가
5	고급 생성 모델 및 기법	1-1	고급 생성 모델1
		1-2	고급 생성 모델2
6	개방형 세대 모델 활용	1-1	Transformer의 이해
		1-2	오픈 소스 생성 모델 활용
7	생성적 AI 애플리케이션 구축	1-1	프로젝트 설계
		1-2	프로젝트 구현
8	기말평가	1-1	5-7주차 학습 정리 및 평가

지원하러 가기