MLDS2018SPRING

MLDS2018봄

NTU 2018 Spring에서 기계 학습 및 MLDS(Deep and Structured)를 소개합니다.

이 코스에는 그룹별로 네 가지 숙제가 있습니다. 네 가지 숙제는 다음과 같습니다.

1. 딥러닝 이론
2. 시퀀스-투-시퀀스 모델
3. 심층 생성 모델
4. 심층 강화 학습

자세한 내용을 보려면 이 과정 웹사이트를 찾아보세요.

목차

1. 딥러닝 이론
   • 깊은 대 얕은
   • 최적화
   • 일반화
2. 시퀀스-투-시퀀스 모델
   • 비디오 캡션 생성
   • 챗봇
3. 심층 생성 모델
   • 이미지 생성
   • 텍스트-이미지 생성
   • 스타일 트랜스퍼
4. 심층 강화 학습
   • 정책 변화
   • 딥Q러닝
   • 배우 평론가

네 가지 숙제의 결과

1. 딥러닝 이론

• 보고서.pdf

1.1 깊은 대 얕은

• 읽어보기

1.2 최적화

• 읽어보기

1.3 일반화

• 읽어보기

2. 시퀀스-투-시퀀스 모델

2.1 영상 자막 생성

• BLEU@1 = 0.7204
• 읽어보기
• hw2_1/report.pdf

2.2 챗봇

• 당혹감 = 11.83, 상관 점수 = 0.53626
• 읽어보기
• hw2_2/report.pdf

3. 심층 생성 모델

• 보고서.pdf

3.1 이미지 생성

• 읽어보기
• 이미지 생성: 100%(25/25) 기준 통과

./gan-baseline/baseline_result_gan.png

3.2 텍스트-이미지 생성

• 읽어보기
• 텍스트-이미지 생성: 100%(25/25) 기준 통과

태그 테스트	./gan-baseline/baseline_result_cgan.png
파란 머리 파란 눈 파란 머리 녹색 눈 파란 머리 빨간 눈 녹색 머리 파란 눈 녹색 머리 빨간 눈

3.3 스타일 전송

• 읽어보기

4. 심층 강화 학습

• 보고서.pdf

4.1 정책 변화도

• 읽어보기
• 정책 변화도: 30개 에피소드의 평균 보상 = 16.466666666666665

4.2 딥 Q 학습

• 읽어보기
• 딥 Q 학습: 100개 에피소드의 평균 보상 = 73.16

4.3 배우 평론가

• 읽어보기