멀티캠퍼스 :: 과정상세보기

과정요약

과정요약
학습시간	21시간	난이도	중급
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	24 명
교재정보	[PDF] 실전! TensorFlow로 배우는 딥러닝

과정소개

본 과정은 Keras TensorFlow로 진행됩니다.
본 과정은 AI의 핵심 솔루션인 딥러닝을 최고의 딥러닝 프레임워크인 Keras Tensorflow를 활용해서 직접 구현해 보는 과정입니다.

- 이론을 겸비한 Keras Tensorflow 실습
딥러닝의 기본 원리와 이론적 배경을 이해하고 바로 실습해보는 체감형 학습 방법으로 진행합니다.

- 강사와 함께 하는 즐거운 코딩 시간
딥러닝 코드를 충분히 이해하고 따라가는 방식으로 진행을 합니다.

- 단단한 딥러닝의 기초 체력을 마련
체계화된 프로그램을 따라가다 보면 어느새 딥러닝을 다양하게 응용할 수 있는 단단한 기초 체력이 마련되어 있을 것입니다.

* 본 과정의 목표를 성공적으로 달성하려면 아래의 사전 지식을 필요로 합니다.

1. 파이썬
- 시컨스 타입(List, Dictionary)의 이해와 슬라이싱 문법의 이해
- 객체 지향 프로그램 (클래스 구조, 베이스 클래스와 서브 클래스의 관계)
- Numpy의 다차원 배열 연산을 알고 있으면 딥러닝 연산을 쉽게 이해할 수 있습니다.

2. 필요한 기초 수학 개념
- 로그 함수, 지수 함수
- 정규 분포, 확률 변수의 기대값
- 미분개념

학습목표

딥러닝의 기본 원리와 이론적 배경을 이해한다.
TensorFlow Framework 구성을 이해하고 이를 활용하여 DNN, CNN, RNN과 같은 딥러닝 기본 모델을 구현해본다.
최적화/정규화/하이퍼파라미터 튜닝을 이해하고 성능 향상을 위한 방법들을 실습해본다.
VGGNet과 같은 아키텍처를 직접 구현해본다.

학습대상

Tensorflow를 활용해서 딥러닝 모델과 어플리케이션을 개발하고자 하는 분들
실습 체험형으로 딥러닝의 이론을 습득함으로써 딥러닝의 실체를 체감하고자 하는 분들
딥러닝에 대한 단시간 습득 과정을 통해 연구나 개발, 기획에 빠르게 활용하고자 하는 분들

과정목차 21

1 일차
- 인공지능과 딥러닝 개요
  - 인공지능의 의미와 역사
- 인공지능과 딥러닝 개요
  - 학습의 개념과 딥러닝의 개념 / Google Colab 실습환경 구성 및 코드 배포
- Gradient Descent
  - 학습의 기본 원리인 Cost function 확인
    parameters 의 개념과 학습
- Gradient Descent
  - 경사하강(Gradient Descent)의 원리를 통한 학습방법
- Model Validation
  - 모델 생성 시 Model capacity
    과적합(Overfitting) 과 Validation Approach
- Regression
  - 회귀(Regression)분석을 통한 수치예측
- Regression
  - 로지스틱 회귀(Logistic Regression)를 통한 분류예측
    Confusion Matrix를 통한 분류 정확도 확인
2 일차
- Multi Layer Perceptron
  - Neural Network 와 Perceptron
    Multi layer Perceptron
- Error Backpropagation
  - 미분없이 미분의 결과를 찾아내는 Chain Rule
- Error Backpropagation
  - sigmoid함수를 사용할 때 나타나는 부작용, Vanishing Gradient
    Optimization Method
- Keras Tensorflow
  - Tensor란
    Kearas Modeling
- Keras Tensorflow
  - softmax 함수를 통한 결과 확인
- Deep Neural Network
  - 딥러닝의 Modeling과 Model capacity
- Deep Neural Network
  - Hyperparameter의 개념과 optimization
3 일차
- Convolution Neural Network
  - CNN Algorithm이란
- Convolution Neural Network
  - 적은양의 Small dataset을 활용하여 정확도 높이기
- VGGNet & fine tuning
  - 특징 추출(Feature Extraction)을 통해 학습하기
- VGGNet & fine tuning
  - 미세 튜닝(Fine tuning)으로 나만의 모델 만들기
- Recurrent Neural Network
  - Feed forward neural network와의 차이점 / 순환 신경망이란
- Long Short Term Memory
  - RNN에 long term memory 추가
- Long Short Term Memory
  - 새로운 Gate 구조를 통한 LSTM 이해하기

수강후기 3

평균평점

4.9 / 5.0

5

김*우
2023.11.29

딥러닝 머신러닝에 대해 전반적으로 배울 수 있었고 실습을 통해 더욱 이해도가 높아졌습니다. 실무에 도움이 될 듯 합니다.
4.75

이*구
2023.11.29

업무 및 지식 강화에 도움이 됨
5

김*희
2023.08.18

업무 진행방식을 토대로 딥러닝의 사용범위와 원리 그리고 예제까지 체계적으로 교육 받았습니다. 추천합니다.

실전! TensorFlow로 배우는 딥러닝 관련과정

집합

교재제공

알고리즘으로 배우는 머신러닝, 딥러닝