** ACTA 고급과정: 생성형 AI 이론과 응용 (Gen-AI 과정) – Type A

* 5주 프로그램, 총 50시간

(1주일 10시간: 주중 야간줌수업 3시간씩 2회, 토 4시간 대면수업)

* 수강대상

AI분야 실무자, AI*Data 기초역량이 있는 엔지니어

서울대-삼성전자 DS과정 수료자

서울대-LG전자 Data Scientist과정 수료자

서울대-HD현대 AI고급과정 수료자

1. 기초 이론 (16시간) : 생성형 AI의 이론적 배경을 제공

1.1 생성형 AI 개요 (3시간) : 생성형 AI의 정의, 역사, 활용 사례

주요 기술 (GAN, VAE, Diffusion, GPT 등) 개요

생성형 AI의 윤리적 이슈 및 사회적 영향

1.2 기초 머신러닝/딥러닝 개념 (3시간)

딥러닝의 기본 구조 (손실 함수, 최적화)

생성형 모델이 사용하는 핵심 알고리즘 개요

Transformer 아키텍처: Attention 메커니즘, 데이터특징 학습

확률 모델링: 다음 단어 예측, 노이즈 제거 및 확률적 샘플링 과정

1.3 생성형 AI 모델의 유형 (3 + 4 = 7시간)

GAN 작동원리 / 주요 변형모델: DCGAN, CycleGAN, StyleGAN

VAE (Variational Autoencoder) : 작동 원리

Transformer 기반 모델 : 작동 원리, GPT와 BERT등과의 차이

Diffusion 모델 : 작동 원리, DDPM 모델, Score기반 모델

VLM 모델 : 작동 원리, VLIP-2 멀티모달 모델

1.4 Python 환경 설정 및 필수 라이브러리 (3시간)

Python, TensorFlow/PyTorch, Hugging Face, OpenAI API

2. 실습 및 모델 구현 (17시간) : 실제 코드를 작성하며 모델을 학습

2.1 GAN 모델 실습 (4시간)

GAN 모델 구현 / DCGAN, StyleGAN으로 이미지 생성

2.2 VAE 모델 실습 (3시간)

VAE 구현 및 데이터 복원 / 이미지 데이터의 잠재 공간 탐험

2.3 Transformer 기반 모델 실습 (3시간)

HuggingFace 사용법 / GPT모델기반 텍스트생성 / Fine-Tuning 실습

2.4 Diffusion 모델 실습 (4시간)

노이즈 추가 및 제거 단계를 시각화

다양한 조건(텍스트 프롬프트 등)에 따른 결과물 생성 실험

하이퍼파라미터 튜닝을 통해 모델 성능의 변화

2.5 VLIP-2 멀티모달 모델 실습 (3시간)

이미지 설명 생성 및 텍스트 기반 이미지 검색

3. 응용 사례 연구 (7시간)

생성형 AI의 실제 적용 사례와 프로젝트를 통해 실질적 활용 능력을 강화

3.1 이미지 생성 응용 (1.5시간)

생성형 AI를 활용한 아트/디자인

얼굴 생성, 패션 디자인, 의료 이미지 응용

3.2 텍스트 생성 응용 (1.5시간)

자동 기사 작성, 문학 창작 / 챗봇, 번역 및 요약

텍스트 기반 게임 개발

3.3 멀티모달 생성 AI 응용 (2시간)

텍스트에서 이미지 생성 (DALL-E, Stable Diffusion)

텍스트-음성 변환(TTS), 음악 생성

3.4 팀 프로젝트 설명 (2시간)

4. 고급 주제 및 전망 (10시간)

최신 연구 동향과 고급 기술을 소개하며, 실질적 응용 방법과 한계를 다룸

4.1 최신 생성형 AI 기술 및 동향 (3시간)

생성형 AI의 연구 트렌드

Zero-shot, Few-shot 학습 개념

4.2 생성형 AI의 한계와 윤리적 고려 (3시간)

Deepfake 및 데이터 편향 문제

AI의 책임성과 규제

4.3 팀 프로젝트 발표 (3시간)

프로젝트 발표 및 피드백 세션

4.4 필기시험 (1시간)