Advanced Deep Learning
고급딥러닝
- 개요
- 2026 Fall · 3학점 · 오재훈
- 시간
- 금 13:00–16:00 (데이터사이언스학과·데이터사이언스융합전공)
- 장소
- 제12공학관 201호
Course Description
본 강의는 Transformer 구조까지 학습을 마친 박사과정 학생을 대상으로, 딥러닝 연구의 최전선을 폭넓게 다루는 강의식 과목이다. 각 주차는 해당 주제의 최신 연구 동향을 정리한 서베이(survey) 논문을 중심으로 구성하고, 필요 시 서베이가 인용하는 대표 원논문을 함께 참고한다.
수업은 대면으로 진행하며, 강의식 전달에 발표·토론과 학기 프로젝트를 결합한다.
Goals
- 최신 고급 딥러닝 연구 동향을 이해한다.
- 이를 자신의 연구 프로젝트에 적용한다.
Prerequisites
- 딥러닝 (Transformer 아키텍처까지 학습 완료)
- Python 및 PyTorch
Grading
- 과제 40%
- 기말 프로젝트 40%
- 참여도 20%
평가 비율은 수강 인원·자원 사정에 따라 조정될 수 있다.
Schedule
| 주차 | 주제 | 강의자료 |
|---|---|---|
| 1 | Introduction, Transformer, BERT vs GPT | |
| 2 | Tokenizer & Pre-training | |
| 3 | LLM Architecture Variants | — |
| 4 | Post-training 1 | — |
| 5 | Post-training 2 | — |
| 6 | Inference Optimization 1 | — |
| 7 | Inference Optimization 2 | — |
| 8 | Final Project Proposal — Open Peer Review | — |
| 9 | Multi-/Omni-modal LLM | — |
| 10 | Diffusion Model | — |
| 11 | Diffusion LLM | — |
| 12 | Flow Matching, Consistency Model | — |
| 13 | 3D Generation, Gaussian Splatting | — |
| 14 | Vision-Language-Action Model, World Model | — |
| 15 | Safety | — |
| 16 | Final Project — Open Peer Review | — |