3. 강의목표
본 과목은 대칭성과 정규성을 대수적으로 표현하는 대칭군 이론을 공부하고 이 관점에서 고전적인 신경망들과 최근 제안되고 있는 다양한 신경망 구조들을 탐구한다. 이를 통해, 세계의 물리적 지식들을 바탕으로 학습 모델을 설계하는 원리를 배우는 것이 목표이다. 특히, 학기말에는 3차원 시공간 데이터를 인지하고 생성하는 연구에 대한 프로젝트를 수행하고 연구 논문을 작성해보는 것을 목표로 삼는다.
4. 강의선수/수강필수사항
- 컴퓨터비전, 기계학습, 딥러닝 중 2과목 이상
5. 성적평가
발표 및 토론 (30%), 과제물 (20%), 기말프로젝트 (50%)
6. 강의교재
| 도서명 |
저자명 |
출판사 |
출판년도 |
ISBN |
|
수업자료로 대체
|
|
|
0000
|
|
7. 참고문헌 및 자료
Bronstein et al., Geometric Deep LearningGrids, Groups, Graphs,Geodesics, and Gauges, arXiv 2021
Nathan Carter, Visual Group Theory, MAA Press, 2009
9. 수업운영
이론강의와 함께 수강 학생의 개별발표 및 토론으로 이루어짐. 개인별 프로젝트 수행.
10. 학습법 소개 및 기타사항
컴퓨터비전 및 기계학습에 대한 충분한 사전지식이 있는 학생들을 대상으로 이루어지는 고급 과정이므로 선수과목에 대한 충분한 이해가 없는 학생들을 수강하지 말 것.
11. 장애학생에 대한 학습지원 사항
- 수강 관련: 문자 통역(청각), 교과목 보조(발달), 노트필기(전 유형) 등
- 시험 관련: 시험시간 연장(필요시 전 유형), 시험지 확대 복사(시각) 등
- 기타 추가 요청사항 발생 시 장애학생지원센터(279-2434)로 요청