패스트캠퍼스 환급챌린지 13일차 : Computer Vision Signature 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

공부 시작 시각 / 공부 종료 시각

 

 수강 인증 사진

학습 인증샷 (필기)

챌린지 대상 강의 완강률 

13일차, 강의 후기
전체적인 인상

- 트랜스포머 구조부터 멀티모달 모델까지 체계적으로 설명해주셔서 전체적인 흐름을 이해하기 좋았음
-  단순 암기가 아닌 원리와 배경을 차근차근 설명해주는 방식이 인상적
-  복잡한 내용을 비교적 쉽게 풀어서 설명해주려고 노력하시는 게 느껴짐
-  각 모델이 등장한 배경과 해결하려는 문제를 명확히 제시해주셔서 학습 동기가 생김

좋았던 점

-  각 모델의 장점과 한계를 명확히 짚어주셔서 왜 새로운 모델이 등장했는지 맥락을 이해할 수 있었음
-  ViT에서 이미지를 패치 단위로 나누는 부분이나 CLIP의 텍스트-이미지 매칭 개념이 직관적으로 설명됨
-  트랜스포머의 핵심 장점인 토큰 간 영향력 학습과 바이어스 제거에 대한 설명이 와닿았음
-  실제 구현 관점에서 차원 변환이나 토큰화 과정을 구체적으로 설명해주신 점이 유용함
-  RNN의 sequential bias 문제를 트랜스포머가 어떻게 해결하는지 비교 설명이 명확했음
-  ViT가 이미지 크기 변화에 유연하게 대응할 수 있는 이유를 패치 개념으로 설명해주신 부분이 좋았음

인상 깊었던 내용

-  데이터가 많아질수록 트랜스포머 모델의 성능이 CNN보다 더 크게 향상된다는 점이 흥미로웠음
-  CLIP에서 기존 supervised learning의 한계를 극복하기 위해 인터넷 데이터를 활용한 아이디어가 참신함
-  라이온 데이터셋 규모(50억 장)와 그 구성 방식이 인상적이었음
-  텍스트 인코더가 기존 레이블링 작업을 대신한다는 관점 전환이 신선했음

아쉬웠던 점

-  수식이나 구체적인 예시가 조금 더 있었으면 이해가 더 쉬웠을 것 같음
-  각 모델의 성능 비교나 실제 적용 사례에 대한 언급이 부족했음
-  일부 전문용어에 대한 추가 설명이 있었으면 좋겠음
-  768차원 벡터 같은 구체적인 수치가 어떻게 결정되는지 궁금했음

전반적 평가

-  AI 모델의 발전 과정을 논리적으로 따라갈 수 있는 좋은 강의였음
-  특히 멀티모달 모델로 넘어가는 과정에서 각 모달리티의 특성을 잘 설명해주셔서 CLIP의 필요성을 이해할 수 있었음
- 이론과 실제 구현 사이의 연결고리를 잘 보여주는 강의였음

 URL: https://fastcampus.info/4n8ztzq