[Courses] Introduction to Generative Machine Learning

Introduction to Generative Machine Learning: AI의 과거와 미래를 탐구하는 시간

SIGGRAPH Asia 2024에서 진행된 “Introduction to Generative Machine Learning” 코스는 머신 러닝의 기본부터 최신 생성형 AI 모델까지의 발전을 체계적으로 훑어볼 수 있는 세션이었습니다. 약 3시간 동안의 강의는 초보자부터 중급자까지 폭넓은 청중에게 유익한 정보를 제공하며, 머신 러닝의 기본 이론과 실습을 통해 생성형 AI의 현재와 미래를 이해할 수 있는 기회를 제공했습니다.

---

1. 세션 구성

이 코스는 4개의 주요 파트로 구성되었습니다:

Hour 1: 머신 러닝의 기본과 신경망 소개

• 학습 목표:
  • 머신 러닝의 정의와 일반적인 개발 프레임워크 이해.
  • 기본적인 데이터 분석, 회귀 분석, 분류 문제 해결.
  • 신경망 구조와 경사 하강법(Gradient Descent)의 개념 파악.
• 주요 주제:
  • 머신 러닝이란 무엇인가?
  • 데이터 분석과 주택 가격 예제.
  • 손실 최소화(MSE, Log-Likelihood)와 경사 하강법의 수학적 개념.
  • 꽃 분류를 통한 분류(Classification) 모델의 적용 예제.

Hour 1.5: 신경망 심화

• 학습 목표:
  • 다양한 신경망 구조 이해.
  • 이미지 처리에서의 지도 학습(supervised learning) 개념 학습.
• 주요 주제:
  • 오토인코더(AutoEncoder)와 노이즈 제거 응용.
  • 합성곱 신경망(CNN), 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN)의 예제.
  • 잠재 공간(Latent Space) 분석.

Hour 2: 생성형 모델과 트랜스포머

• 학습 목표:
  • Attention 메커니즘과 Transformer 구조 이해.
  • Word2Vec 및 워드 임베딩의 기본 개념 학습.
  • ChatGPT와 같은 모델의 작동 원리 탐구.
• 주요 주제:
  • Transformer의 구조와 동작 방식.
  • RLHF(인간 피드백 강화 학습)의 개념과 활용.

Hour 3: 기타 생성형 모델과 윤리적 이슈

• 학습 목표:
  • NeRF와 Gaussian Splatting을 통한 새로운 시점 합성 기술 이해.
  • Diffusion 모델의 작동 방식과 이미지 생성 응용.
  • AI의 윤리적, 법적 문제 및 현실과 과대광고의 구분.
• 주요 주제:
  • Gaussian Splatting, NeRF.
  • Diffusion 모델의 원리와 활용.
  • AI의 윤리적 문제와 향후 학습을 위한 리소스. (거의 안함)

---