밑바닥부터 시작하는 딥러닝 5

CHAPTER 1 정규 분포
_1.1 확률의 기초
_1.2 정규 분포
_1.3 중심 극한 정리
_1.4 표본 합의 확률 분포
_1.5 우리 주변의 정규 분포

CHAPTER 2 최대 가능도 추정
_2.1 생성 모델 개요
_2.2 실제 데이터로 생성 모델 구현
_2.3 최대 가능도 추정 이론
_2.4 생성 모델의 용도

CHAPTER 3 다변량 정규 분포
_3.1 넘파이와 다차원 배열
_3.2 다변량 정규 분포
_3.3 2차원 정규 분포 시각화
_3.4 다변량 정규 분포의 최대 가능도 추정

CHAPTER 4 가우스 혼합 모델
_4.1 우리 주변의 다봉 분포
_4.2 가우스 혼합 모델 데이터 생성
_4.3 가우스 혼합 모델의 수식
_4.4 매개변수 추정의 어려움

CHAPTER 5 EM 알고리즘
_5.1 KL 발산
_5.2 EM 알고리즘 도출 ①
_5.3 EM 알고리즘 도출 ②
_5.4 GMM과 EM 알고리즘
_5.5 EM 알고리즘 구현

CHAPTER 6 신경망
_6.1 파이토치와 경사법
_6.2 선형 회귀
_6.3 매개변수와 옵티마이저
_6.4 신경망 구현
_6.5 토치비전과 데이터셋

CHAPTER 7 변이형 오토인코더
_7.1 VAE와 디코더
_7.2 VAE와 인코더
_7.3 ELBO 최적화
_7.4 VAE 구현

CHAPTER 8 확산 모델 이론
_8.1 VAE에서 확산 모델로
_8.2 확산 과정과 역확산 과정
_8.3 ELBO 계산 ①
_8.4 ELBO 계산 ②
_8.5 ELBO 계산 ③
_8.6 확산 모델의 학습(알고리즘)

CHAPTER 9 확산 모델 구현
_9.1 U-Net
_9.2 사인파 위치 인코딩
_9.3 확산 과정
_9.4 데이터 생성
_9.5 확산 모델의 학습(구현)

CHAPTER 10 확산 모델 응용
_10.1 조건부 확산 모델
_10.2 점수 함수
_10.3 분류기 가이던스
_10.4 분류기 없는 가이던스
_10.5 스테이블 디퓨전

APPENDIX A 다변량 정규 분포의 최대 가능도 추정법 도출
_A.1 μ의 최대 가능도 추정
_A.2 2차 형식의 미분([식 A.4]의 증명)
_A.3 Σ의 최대 가능도 추정
_A.4 대각합과 미분([식 A.12]의 증명)

APPENDIX B 옌센 부등식
_B.1 볼록 함수와 옌센 부등식
_B.2 오목 함수와 로그 함수
_B.3 ELBO 도출

APPENDIX C 계층형 VAE의 이론과 구현
_C.1 2계층 VAE의 구성요소
_C.2 ELBO의 식 전개
_C.3 몬테카를로 방법에 따른 ELBO의 근삿값
_C.4 2계층 VAE 구현
_C.5 구현 코드

APPENDIX D 수식 기호 목록
_D.1 이 책에서 사용하는 기호
_D.2 이 책에서 사용하는 수식