학습 소감cs231n에서 CNN 아키텍처를 매우 자세히 다루었다면, cs236에서는 최신 생성형 모델과 확률적 모델링 방법을 주로 다루었다. 마지막 강의까지 듣고 나니, 첫 번째 강의에 나온 pdata와 pθ 이야기는 강의에서 소개된 다양한 모델을 최대로 일반화한 모습이라고 느껴진다. Variational Autoencoders, Generative Adversarial Network, Energy Based Model, Score Based Model, Diffusion Model 등 중요한 모델의 주요 개념과 수학적 배경을 알아볼 수 있어서 유용했다. 중요한 내용을 꽉꽉 눌러 담은 강의였다. 이제 곧 학부 졸업을 앞두고 있는데, 학교 강의처럼 누가 떠먹여 주지 않아도 이러한 양질의 강의 또는 자료를..

Lecture 18. Diffusion Models for Discrete DataCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 17. Discrete Latent Variable ModelsCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 16. Score Based Diffusion ModelsCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 15. Evaluation of Generative ModelsCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 14. Energy Based ModelsCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 13. Score Based ModelsCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 12. Energy Based Models (2)CS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.

Lecture 11. Energy Based ModelsCS236: Deep Generative Models (Stanford University) 강의를 바탕으로 정리한 자료입니다.