지적 대화를 위한 깊고 넓은 딥러닝 (Feat. TensorFlow)
- 데이터와 학습
- 2016-08-14 (일요일) 15:40 - 16:20
- 한국어
- 105
- 촬영, 녹화가 가능합니다.
슬라이드
https://www.slideshare.net/carpedm20/pycon-korea-2016발표 동영상
https://youtu.be/soJ-wDOSCf4설명
대상 청중
딥러닝에 관심이 있고 CNN, LSTM 등 기초적인 딥러닝 모델에 익숙하신 분
발표 목적
Google DeepMind, Facebook AI Research 등의 그룹에서 공개한 연구를 소개하고 TensorFlow로 구현한 경험 공유
발표에서 다룰 논문과 코드
- DCGAN : 이미지(사람의 얼굴 사진)을 이해하고 스스로 만드는 모델. code, paper, demo
- NTM : 뉴럴 네트워크로 만든 튜링 머신 (Turing machine). code, paper
- DQN : Atari 게임을 화면의 픽셀만 보고 배우는 모델. code, paper
- PixelRNN : 이미지 픽셀을 처음부터 하나씩 만들면서 이미지를 만들어가는 모델. code, paper
- Visual Analogy : 이미지 버전의 '왕 - 남자 + 여자 = 여왕' (Word2vec). code, paper
- LSTM Character CNN : Character-level Language Models. code, paper
발표 내용
많은 딥러닝 프레임워크가 공개된 이후, 프레임워크 설치법, 빌드하기, 튜토리얼 등 기초적인 콘텐츠는 매일 매일 만들어지고 공유되고 있다. 하지만 딥러닝으로 AI 분야에 새 역사를 써가는 연구자들이 고민하고 공개하는 내용과는 큰 간극이 있으며, 이러한 차이를 소개하거나 다루는 자료는 많지 않다.
본 발표에서는 발표자가 지금까지 TensorFlow로 구현해온 6개의 논문을 간략하게 소개하며, 기초를 넘어 최신 연구에 사용되는 코드를 소개하고 설명하고자 한다. 발표에서 소개되는 모델들은 개와 고양이 이미지를 분류하는 것과 같은 단순한 문제가 아닌 1) 사람의 얼굴 사진을 만들고, 2) 벽돌 깨기 게임을 플레이하며, 3) 기사를 읽고 관련된 질문에 답을 하고, 4) 알고리즘을 튜링 머신 구조로 배우는 등의 복잡한 문제를 풀 수 있다.
