深度生成模型
Deep Generative Models
學期
109-2
學分
3
學分
當期課號
5243
永久課號
IOG5026
開課單位
智慧科學暨綠能學院
授課教師
魏澤人
校區
歸仁
類別
選修
上課時間表
| 節 | 週二 |
|---|---|
5 13:20–14:10 | 深度生成模型 CM218 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
概述
生成模型是 AI 及機器學習的一種方法,被廣泛運用在不同領域。他可以作為一種基礎方式,配合其他演算法使用,比方用來當作資料增強的一部分,也可以單純拿來生出更多的內容。 近年來因為深度學習的發展,有許多生成模型的進展,像是 GAN, VAE, autoregression models, Generative flow 等等。 課程中我們將會從這些基礎的模型介紹開始,後面則會介紹一些最新的成果。
先修科目
了解神經網路、會使用 Python
教學方式
課堂講授、示範,配合每單元作業
評分方式
作業 6 次 100%
課程大綱
- VAE
- GAN
- Conditional GAN
- Autoregressive models and Generative Flow
- Recent advances
- Introduction
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Introduction |
| 第 2 週 | Introduction: Python and deep learning framework |
| 第 3 週 | Introduction: Autoencoder |
| 第 4 週 | VAE: Variational Autoencoder, Theory |
| 第 5 週 | VAE: Variational Autoencoder: Implementation |
| 第 6 週 | VAE: VQVAE |
| 第 7 週 | GAN: GAN, DCGAN and math |
| 第 8 週 | GAN: LSGAN, WGAN and math |
| 第 9 週 | GAN: WGAN and SNGAN |
| 第 10 週 | Conditional GAN: CGAN, ACGAN |
| 第 11 週 | Conditional GAN: Pix2Pix |
| 第 12 週 | Conditional GAN |
| 第 13 週 | Autoregressive models and Generative Flow: Autoregressive models |
| 第 14 週 | Autoregressive models and Generative Flow: Generative Flow |
| 第 15 週 | Autoregressive models and Generative Flow: Generative Flow |
| 第 16 週 | Recent advances: TBD |
| 第 17 週 | Recent advances: TBD |
| 第 18 週 | Recent advances: Summary and review |
教科書
Stanford CS236 Lecture notes: Aditya Grover, https://deepgenerativemodels.github.io/notes/index.html