머신러닝의 기초가 되는 (통계적) 학습에 대한 확률적 이해 및 베이지안 방법론, 다양한 손실함수 및
이진 분류 모형과 cross-entropy에 대해서 소개한다. 머신러닝/인공지능의 학습 방법은 훈련 데이터로부터 일반화가 가능한 학습능력을 얻는 것으로 볼 수 있기에 학습에 대한 확률적 이해에 대해서 소개하며, 베이지안 방법론을 이용해서 알고자 하는 모수에 대한 추론 및 갱신 방법에 대해서 살펴본다. 또한 회귀분석/분류 문제 등 다양한 문제들에서 사용하는 손실함수들과 그 특징, 그리고 이진 분류 모형, cross-entropy에 대해서 다룬다. 모든 강의는 기초적이고 원론적인 문제를 다루나 딥 러닝/비모수 모형과의 연관에 대해서도 소개할 예정이다.
Bio:
2019~현재: (사)한국인공지능학회 총무이사
2017~현재: 한국과학기술원 전기및전자공학부 연구부교수
2014~2017: 고려대 BK+ 데이터공학팀 연구교수/ 서울대 데이터과학과지식창출연구센터 연구조교수
2012~2013: 서울대 데이터과학과지식창출연구센터 연수연구원
2012: 서울대 통계학과 박사
Deep Learning from Scratch, Volume 1 & 2
장길진 교수 (경북대학교)
Abs (Vol. 1):
딥러닝 기술은 오픈소스에 기반하여 발전하여 왔으며, TensorFlow, Keras, PyTorch 등 다양한 python 기반의 프레임워크들이 인공지능의 많은 문제를 해결하는데 많은 도움이 되고 있다. 하지만 이러한 프레임워크들은 범용의 인공지능 문제의 해결을 위해 작성되어 있기 때문에 실제 환경에서는 효율성이 떨어지고, 새로운 딥러닝 알고리즘을 개발하기에 충분한 기능을 제공하지 못하는 경우도 많이 발생하고 있다. 본 강의는 밑바닥부터 시작하는 딥러닝(Deep learning from scratch) 1권에 기반하며, 딥러닝의 핵심이 되는 기본적인 신경회로망 작성 및 오차역전파 알고리즘, 다양한 최적화 알고리즘을 직접 python으로 작성함으로써, 기본 이론을 직접 체득하고 창의적인 연구를 할 수 있는 발판을 제공한다. 첫번째 강의는 신경망 설계, 오차역전파 및 다양한 최적화 알고리즘 구현, 합성공신경망(CNN)까지를 포함한다.
Abs (Vol. 2):
본 강의는 밑바닥부터 시작하는 딥러닝(Deep learning from scratch) 2권에 기반하며, 자연어 처리의 기초, word2vec 의 직접 구현, 순환신경망(RNN), seq2seq 에 기반한 기초적인 번역기를 구현하는 방법에 대한 강의 및 교재에 포함된 구현 코드를 살펴본다. 1권 강의와 마찬가지로 기존의 프레임워크를 사용하지 않고, numpy 등 python의 기초적인 수치연산 패키지들만을 사용한다.
Bio:
2014년 3월-현재: 경북대학교 전자공학부 조교수/부교수
2009년 11월-2014년 2월: 울산과학기술대학교 조교수
2006년 9월-2009년 10월: 박사후 연구원, University of California, San Diego
2004년 3월-2009년 8월: 전문연구원, 삼성종합기술원
2004년 2월: 한국과학기술원 전산학부 박사 졸업
딥러닝 응용: 의료영상 분할 (Deep Learning Applications: Medical Image Segmentation)
김재일 교수 (경북대학교)
Abs:
딥러닝은 의료 영상 처리 및 분석 분야에서 기존 기술의 한계를 넘는 성과를 보여주고 있다. 특히, 딥러닝은 의료 영상에서 해부학적 구조나 병변을 분리하는 의료 영상 분할에서 활발히 사용되고 있으며, Computer-aided diagnosis, 3D printing, surgical planning 등 다양한 의료 응용 분야의 발전을 이끌고 있다. 본 강연은 의료 영상 분할을 위한 전처리 과정과 U-Net, DeepLabV3+ 등 영상 분할에서 주로 사용되는 베이스라인 모델 구성과 Loss Function, 분할 결과의 평가 방법 등을 살펴보고, 실습을 통해 이해하는 것을 목표한다.
Bio:
2018~현재 경북대학교 컴퓨터학부 조교수
2016~2018 University of North Carolina at Chapel Hill, Postdoctoral Research Associate
2014~2016 삼성전자 책임연구원
2015 한국과학기술원 전산학 박사
Introduction to End-to-End Speech Recognition
김한규 박사 (네이버)
Abs:
본 강의에서는 최근 음성인식분야에서 가장 많이 연구되고 있는 end-to-end 방식의 음성인식에 대해서 간략히 소개한다. 그 중 가장 널리 쓰이고 있는 Listen, attend and spell(LAS)기반 인식기의 원리에 대해서 자세히 설명하고, Clova AI에서 공개한 ClovaCall 소스코드를 통해서 LAS기반 인식기의 실제 구현방법에 대한 강의를 진행한다. 마지막으로 음성인식기의 실제 서비스 사용 사례들에 대해서 간략히 소개한다.
Bio:
2018년~현재 네이버 Clova 연구원 (관심분야: 음성인식, 기계학습, 인공지능)
2018년 KAIST 전산학부 졸업(박사)
2011년 KAIST 전산학부 졸업(석사)
2009년 중국 Tsinghua University 전자정보공학부 졸업(학사)
End-to-End 음성합성 기술과 그 활용사례
이봉준 박사 (네이버 NES)
Abs:
음성합성 기술은 사람인지 만들어낸 목소리인지 구별하기 힘들 정도로 만큼 많은 발전이 있었습니다.
본 강의에서는 음성합성을 바라보는 2가지 접근 방법(Concatenative, Parametric)에 대해 알아보고
최근에 많이 연구되고 있는 End-to-end 음성합성의 기본 구조와 필요한 각 기술들에 대해 설명합니다.
그리고 평소에 알아채지 못하지만 이미 우리 일상속에 널리 적용되어 있는 음성합성 기술의 사례를
네이버 End-to-end 음성합성기인 NES를 중심으로 소개합니다.
Bio:
2020 - 현재 : NAVER NES 리더
2016 - 2020 : NEVER 음성합성팀 연구원
2011 - 2017 : 고려대학교 컴퓨터학과 박사
