코세라(Coursera) Generative AdversarialNetworks (GANs) 코스를 끝낸 후의 리뷰

 

 

코세라의 Generative AdversarialNetworks (GANs) 코스를 끝냈습니다. 평소 Image-to-Image translation 중 특히 Super Resolution에 관심있기도 하고, GANs 분야엔 정말 다양하고 재미있는 논문이 나온다는 것을 느꼈기 때문에 어영부영 만들던 GANs에 대해 조금 더 차근차근 알고가보자 하는 생각으로 코스를 듣게 되었습니다.

 

코스는 아래와 같이 3개의 작은 코스들로 이루어져있습니다.

• Build Basic Generative Adversarial Networks (GANs) : GANs의 구조에 대한 설명, DCGAN, Wasserstein GAN, Conditional GAN 

• Build Better Generative Adversarial Networks (GANs) : GANs의 평가방법, GANs의 bias, StyleGAN

• Apply Generative Adversarial Networks (GANs) : GANs을 이용한 augmentation, Pix2Pix, CycleGAN

 

week마다 강의를 듣고 1개 혹은 2개의 과제를 해야하는데, 알맞게 모델을 완성시켜주는 코드 혹은 전처리를 하는 과정의 코드를 채워넣는 과제였습니다. 강의에서 헷갈렸던 것을 코드로 보면 이해가 될 때가 있기도 해서 좋긴 했는데, 스크래치부터 뚝딱뚝딱 만드는 것은 아니니 이 과정을 끝낸다해도 다른 분야의 딥러닝 모델을 많이 만들어보지 않았다면 혼자 한 번 만들어보는데까지 꽤 큰 벽이 있을 것 같습니다.

 

그래도 강의는 차근차근 재밌고, 읽을거리와 코랩 코드를 많이 제공해줍니다.(저는 전부 다 꼼꼼히 읽진 않았지만...)

 

갠린이(GANs+어린이)로서 잘 끝내게되어 좋습니다. 언젠가 Super Resolution, Image Enhancement 분야의 일을 해보면 좋겠네요!

 

제 노션에 달팽이보다 더 느리게 코스를 정리 중입니다. 혹시 관심있으신 분은 참고하세요! 🐌 

그리고 아래의 링크는 제 certificate 입니다.. 그냥 자랑하고싶어서요..ㅎ

 

coursera.org/share/75f2ae82a83d6d48a5d87ab0b5a13908

Completion Certificate for Generative Adversarial Networks (GANs)