ReadCode

AI를 아는 것에서, 풀 수 있는 것으로

변분 오토인코더(VAE) — 확률로 생성하기 | ReadCode

📚커리큘럼 🎯실력 진단 🏆도전 📋모집공고·모의면접 ⚔️미션·랭킹 🌱학습 현황 🎟️요금제

학습 기록

로그인하면 공부 기록이 여기에 저장돼요.

Pro 시작하기 로그인

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

딥러닝 기말고사딥러닝 중간고사인공지능 전공 정리딥러닝 과제신경망 시험 대비

비전공/입문자

딥러닝 쉽게 설명딥러닝이란AI 기초 공부딥러닝 독학딥러닝 입문 추천

취준생

딥러닝 면접 질문AI 엔지니어 준비딥러닝 포트폴리오

직장인

딥러닝 실무 적용AI 업스킬링직장인 딥러닝 강의

대학원생/연구자

딥러닝 최신 동향neural network 서베이

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비

상호명: Kairoba Inc. | 대표자명: 김희원 | 사업자등록번호: 370-81-04127

사업장 주소: 서울특별시 동작구 상도로55길 6, 104호(상도동, 테크스테이션) | 유선번호: 02-820-0679

고객센터: readcode@kairoba.com

© 2026 ReadCode. All rights reserved.

변분 오토인코더(VAE)

1 / 19

왜 생성 모델이 필요한가?

100%

생성 모델의 핵심 동기: 분류를 넘어 창조로 왜 생성 모델이 필요한가? 실무에서 이 개념 없이는 문제를 해결할 수 없습니다. 핵심 동기와 배경을 먼저 이해합시다. 분류 모델(CNN, ResNet 등)은 판별(Discriminative) 모델입니다. "이 이미지가 고양이인가 개인가?"를 판단하죠. 하지만 생성(Generative) 모델은 다릅니다: "고양이 이미지를 새로 만들어라" "이 문장의 다음 단어를 생성하라" "이 스타일로 새로운 음악을 작곡하라" 판별 vs 생성의 수학적 차이: 판별: P(y|x) — 입력 x가 주어졌을 때 레이블 y의 확률 생성: P(x) — 데이터 x 자체의 확률 분포를 학습 P(x)를 알면 새로운 x를 샘플링 할 수 있습니다. VAE, GAN, Diffusion 모델 모두 이 P(x)를 근사하는 방법입니다. 생성 모델의 응용: 이미지 생성 (DALL-E, Stable Diffusion) 텍스트 생성 (GPT) 데이터 증강 (학습 데이터 부족 시) 이상 탐지 (P(x)가 낮은 데이터 = 이상) 왜 중요한가? 판별 모델 P(y|x)는 라벨 예측만 가능, 데이터 분포 P(x) 자체를 이해하지 못함 생성 모델은 P(x)를 학습하여 새 데이터 생성, 이상 탐지, 데이터 증강, 결측치 대체 가 가능 베이즈 정리로 P(y|x) = P(x|y)P(y)/P(x) \to 생성 모델은 판별도 가능한 상위 개념

0:00 / 2:04