내가 velog를 만들고 올린 게시물의 대부분은 cs231n 강의 내용과 과제들이었다. 내가 들은 버전은 2017년 버전이었는데, 얼마 전에 유튜브를 보다가 cs231n 2025 버전이 공개되었다는 것을 알게 되었다. 이 말은 내가 강의를 다시 들어야 한다는 뜻이기도 하다...ㅋㅋㅋ 물론 강의를 듣는 과정은 정말 재밌었기 때문에, 걱정이 되지는 않는다. 내년에 타 대학 연구실에 인턴으로 지원할 예정이기 때문에 면접을 위해서라도 다시 복습하는 겸 듣는 것이 좋을 것 같다. 2017년 버전보다는 훨씬 업데이트가 되어 있을 것이기 때문에 훨씬 도움이 되는 것도 맞다. 그래서 사회복무요원 소집해제, 그리고 연구실 인턴에 지원하기 전까지 내가 할 일은 크게 두 개이다.
- cs231n 2025 버전 듣기
- 논문 구현 해보기
맨날 불안해서 계획을 세우지만, 사실 계획은 심플할수록 좋은 것 같다. 올해 위 두 개만 해내는 것이 나의 목표다.
1. 강의 목록
Lecture 1: Introduction
Computer vision overview
Course overview
Course logistics
Lecture 2: Image Classification with Linear Classifiers
The data-driven approach
K-nearest neighbor
Linear Classifiers
Algebraic / Visual / Geometric viewpoints
Softmax loss
Linear Classification
Lecture 3: Regularization and Optimization
Regularization
Stochastic Gradient Descent
Momentum, AdaGrad, Adam
Learning rate schedules
Lecture 4: Neural Networks and Backpropagation
Multi-layer Perceptron
Backpropagation
Lecture 5: Image Classification with CNNs
History
Higher-level representations, image features
Convolution and pooling
Lecture 6: CNN Architectures
Batch Normalization
Transfer learning
AlexNet, VGG, ResNet
Lecture 7: Recurrent Neural Networks
RNN, LSTM, GRU
Language modeling
Image captioning
Sequence-to-sequence
Lecture 8: Attention and Transformers
Self-Attention
Transformers
Lecture 9: Object Detection, Image Segmentation, Visualizing and Understanding
Single-stage detectors
Two-stage detectors
Semantic/Instance/Panoptic segmentation
Feature visualization and inversion
Adversarial examples
DeepDream and style transfer
Lecture 10: Video Understanding
Video classification
3D CNNs
Two-stream networks
Multimodal video understanding
Lecture 11: Large Scale Distributed Training
Lecture 12: Self-supervised Learning
Pretext tasks
Contrastive learning
Multisensory supervision
Lecture 13: Generative Models 1
Variational Autoencoders
Generative Adversarial Network
Autoregressive Models
Lecture 14: Generative Models 2
Diffusion models
Lecture 15: 3D Vision
3D shape representations
Shape reconstruction
Neural implicit representations
Lecture 16: Vision and Language
Lecture 17: Robot Learning
Deep Reinforcement Learning
Model Learning
Robotic Manipulation
Lecture 18: Human-Centered AI
확실히 내가 들었던 강의와는 많이 달라졌다. (내가 들었을 때는 Transformer, Diffusion도 없었다 ㅋㅋㅋ) 초반 강의들은 내가 들었던 버전과 겹치기 때문에 듣진 않을 것 같고 강의 자료만 훑어보려고 한다. 그래서 Lecture 8 부터 18까지 들으면 될 것 같다.
