전자공학부 · 2026년 2학기 · 대학원 세미나

고급현대딥러닝

최신 연구 논문을 읽고 직접 구현하며 representation learning, foundation model, physical intelligence를 배웁니다.

강의 개요

이 대학원 세미나에서는 딥러닝과 foundation model의 최신 연구를 다룹니다. 강의에서는 각 주제의 핵심 개념을 배웁니다. 학생 발표와 토론에서는 연구의 기여와 방법, 실험 결과, 한계를 비판적으로 분석합니다. 학기 프로젝트에서는 최신 논문을 직접 재현하고 평가하며, 이를 확장하는 방법을 연구합니다.

담당 교수
김누리 교수
학기
2026년 2학기
강의 시간
월·수
11:00–12:15
강의실
공과대학 7호관
114호

수강 안내

학습 목표

  • 딥러닝과 foundation model의 최신 연구 방향을 이해합니다.
  • 연구 논문의 아이디어, 방법론, 실험, 한계를 비판적으로 분석합니다.
  • 최신 연구 방법을 재현하고 그 결과를 바탕으로 확장 방법을 제안합니다.
  • 연구 내용을 발표하고 토론하며 기술적 주장을 명확하게 설명합니다.

강의 정보

  • 면담 시간: 월요일, 14:00–15:00, 326호.
  • 언어: 한국어 강의, 영어 자료.

권장 선수 지식: deep learning, machine learning, linear algebra, probability, algorithms, optimization

일정

1부
학습 패러다임
W01강의 소개추후 공지
W02Self-Supervised Learning추후 공지
W03Transfer and Continual Learning추후 공지
W04Meta-Learning추후 공지
2부
Generative & Language Models
W05Generative Models I추후 공지
W06Generative Models II추후 공지
W07언어를 위한 최신 Neural Architecture추후 공지
W08중간 평가 기간—
W09Large Language Models추후 공지
W10Large Language Models 응용추후 공지
3부
Multimodal & Physical AI
W11Vision-Language Foundation Models추후 공지
W12Vision-Language Foundation Models 응용추후 공지
W13Vision-Language-Action Models추후 공지
W14World Models추후 공지
W15기말 평가 기간—

강의 일정은 변경될 수 있습니다. 논문 발표나 학기 프로젝트에 맞춰 주제를 추가할 수 있습니다.

평가

출석 및 참여

전체 수업의 70% 이상 출석해야 합니다. 강의와 토론에도 꾸준히 참여해야 합니다.

논문 발표

논문의 연구 동기, 문제 정의, 기여, 방법, 실험 결과를 15–20분 동안 발표합니다.

논문 보고서

논문의 실험 결과를 재현하고 한계를 분석합니다. 이를 바탕으로 개선 방법을 제안하고 실험으로 검증합니다.

발표
20%
보고서
60%
출석
20%

Generative AI 사용 지침: AI 도구는 담당 교수가 허용한 범위에서만 사용할 수 있습니다. AI 도구를 사용했다면 결과를 직접 검토하고 수정해야 합니다. 제출물에는 AI 도구 사용 사실을 명확히 밝혀야 합니다.

자료