[BDA] Do it! 딥러닝 교과서 스터디(3)

5주차 진도: Chapter 9(생성모델)

 

생성모델

• 데이터로부터 확률분포를 추정해서 데이터를 생성하는 모델
• 확률분포를 근사할 수 있다면 다양한 분야에서 활용할 수 있다

생성 모델의 종류

• 생성 모델은 관측 데이터의 확률분포를 추정하기 위해 최대우도추정을 함
• 명시적 추정: 확률분포를 명시적으로 추정하는 방식
• 암묵적 추정: 모델이 확률분포를 따르는 샘플을 생성하는 방식

 

 

VAE

 

• 변분 오토 인코더 (Variation autoEncoder)
• 인코더-디코더로 구성된 잠재변수 모델로 확률분포를 변분적으로 근사함
• 장점 + 훈련과정이 안정적이고 빠름
• 단점 - 확률분포를 근사하는 방식이라 정확한 확률분포를 추정하지 못함

 

GAN

위조지폐와 경찰을 예로 설명한 GAN 모델 (Goodfellow, lan el al., 2014)

• 생성자와 판별자가 적대 관계에서 훈련하는 모델
• 생성자: 가짜 데이터를 만들면서 판별자가 진짜라고 속을때까지 학습함
• 생성자는 판별자를 통해 훈련 데이터의 확률분포를 간접적으로 학습함
• 장점 + GAN으로 생성된 이미지는 선명하고 현실감 있음
• 단점 - 학습과정이 불안정하고 최적화가 어려움

 

 

<스터디 후기>

프로젝트 기간까지 5주라는 짧은 기간동안 딥러닝에 대한 개념을 익히고 관심있는 분야에 대한 딥러닝 실습까지 할 수 있어서 

유용한 시간이었습니다. 학부에서 머신러닝 파트 밖에 배우지 못해서 아쉬웠던 점을 BDA의 EASY STUDY PROJECT를 통해

해소할 수 있었습니다!! 기획해주신 스태프분들께도 감사의 인사를 전합니다 : )

 

<프로젝트 후기>

저희 팀은 프로젝트 주제로 "RNN 기반의 LSTM모델을 이용한 영화리뷰 감성분석" 를 선정하여 진행했습니다.

중간중간 ppt내용은 생략했으나 정규표현식을 이용한 데이터 정제, 토큰화, 정수 인코딩, 패딩, 최적의 파라미터 선정을 위한

그리드서치, 웹크롤링까지 딥러닝 모델을 적용하기위해 필요한 데이터 처리 방법들을 집약적으로 배우고 적용해볼 수 있었습니다.

또한, 관심있는 산업에서 딥러닝 기술이 어떻게 사용되는지 트렌드 리서치를 하여 딥러닝의 활용 가능성을 체감할 수 있었습니다.