과정상세
Edge Computing 기술을 이용한 딥러닝 프로젝트
교재제공 중급
Edge Computing 기술을 이용한 딥러닝 프로젝트
과정요약
| 학습시간 | 34시간 | 난이도 | 중급 |
|---|---|---|---|
| 교육비 지원 | 고용보험 비환급 | 평가항목 | 출석률 100% |
| 수료기준 | 총점 80점 이상시 수료 | 정원 | 24 명 |
| 교재정보 | |||
과정소개
1. 최신 이미지 분석 모델들에 대해 이해하는 과정
: CNN 모델의 기본 이론부터 성능 개선을 위한 다양한 기법들을 배우고 Tensorflow 2.0 버전을 이용해 실제 구현해 보도록 합니다. 뿐만아니라 최신 CNN 기반 모델들에 대한 이론을 배우고 실제 구현 하고 본인이 가진 데이터에 적용해 볼 수 있는 방법을 배웁니다.
2. 다양한 Edge Device에서 딥러닝 모델을 서비스 하는 방법에 대해서 배우는 과정
: 딥러닝 모델을 만드는 방법부터 시작해 성능 튜닝, 다양한 Edge Device(Mobile, Web 서비스, 라즈베리파이)에 배포 할 수 있는 방법들에 대해서 배울 수 있습니다. Tensorflow Serving, Tensorflow lite 기술에 대해서 이해하고 해당 기술을 이용해 제품, 서비스를 만드는 경험을 해 봅니다.
3. 딥러닝 모델의 구현 부터 Edge 컴퓨터에 모델 배포, IoT 디바이스 제어까지 배워는 과정
: 딥러닝 모델의 구현 뿐만 아니라 IoT 플랫폼에 대한 학습을 함께 진행하여 센서에서 데이터를 수집하고 딥러닝 모델로 분석하여 IoT 디바이스들을 제어하는 프로젝트를 경험해 볼 수 있습니다.
※ 아래와 같은 사전 지식이 갖춰져 있다면 본 과정을 매우 효과적으로 수강하실 수 있습니다.
- 아래 2가지를 충족한다.
. 개 발 : python 혹은 그 外 프로그래밍 경험 필요(변수, 자료형, 제어문, 함수, 클래스 개념 이해)
. 딥러닝 : 딥러닝 기본 이론에 대한 지식 및 관련 라이브러리를 이용한 딥러닝 모델 개발 경험 필요
학습목표
- IoT 디바이스 음성제어 프로젝트 : 알렉사 지원 기기(라즈베리파이 연동)에 LED 불을 켜거나 끌수 있도록 제어할 수 있도록 사용자 음성 서비스를 등록한다.
- 얼굴인식 Mobile APP(Android) 개발 프로젝트 : 모바일 기기에서 얼굴(1명, 여러명)을 인식할 수 있도록 모델구현해 보고, 서비스를 위한 배포도 해본다.
- 얼굴인식 도어락 구현 프로젝트 : 얼굴인식을 학습시키고 결과에 따라 문이 열리는 결과값을 구현해본다.
- 자율주행 자동차 구현 프로젝트 : 사용자가 트랙을 주행할때 수집한 정보를 이용하여 트랙을 주행하는 기초적인 자율주행 자동차 인공지능 모델을 구핸해 본다.
학습대상
- 딥러닝 모델을 이용하여 제품을 만드는데 필요한 기술에 대해서 배우고 싶은 사람
- 딥러닝 기반 이미지 분석 모델들에 대해서 배우고 싶은 사람
- 라즈베리 파이 기반 IoT 플랫폼에 대해서 배우고 싶은 사람
과정목차 34
-
1 일차
-
인공지능과 딥러닝 개요
-
- 인공지능의 역사
- 머신러닝과 딥러닝
- 딥러닝의 역사와 활용 사례
-
- 인공지능의 역사
-
인공지능과 딥러닝 개요
-
딥러닝 기술의 기초1
-
- 퍼셉트론
- 활성화 함수
- 신경망 이론과 설계
-
- 퍼셉트론
-
- 신경망 학습 방법
- Gradient Descent 알고리즘
-
- Backpropagation의 개념적 이해
- Backpropagation의 수학적 이해
-
- Colab 사용법에 대한 이해
- Numpy를 이용한 텐서의 이해 및 구현
- Tensorflow 기초 개념 및 문법
-
- Keras 기초 문법
- Keras 개발 흐름
-
- Keras를 활용한 DNN 구축
- MNIST 실습
-
CNN 실습
- - 기본 CNN 모델 구현
- - 이미지 파일을 이용한 CNN 모델 구현
- - Overfitting에 대한 개념 및 극복 방법
-
- 데이터 augmentation을 이용한 Overfitting의 극복
- Transfer Learning을 이용한 Overfitting의 극복
- - Object Detction 기술에 대한 이해
- - SSD 알고리즘 기반 Object Detection 모델 구현 실습
- - SSD 알고리즘 기반 Object Detection 모델 구현 실습
-
IoT 시스템 및 Raspberry PI 소개
-
- IoT 시스템을 위한 아키텍처
- Raspberry PI 소개 및 활용 사례
-
- IoT 시스템을 위한 아키텍처
-
- Raspbian OS 설치
- 인터넷 연결
- Raspbian OS 기초 사용법
-
- 아날로그와 디지털 신호
- 브레드보드 소개와 사용법
- 전자회로 기초
- RPI GPIO 라이브러리 소개
-
- LED 연결
- LED On/Off 구현
- LED 밝기 조절
-
- DC 모터 연결
- DC 모터의 제어
- 서보 모터의 연결
- 서보 모터 제어
-
- 아마존 알렉사 플랫폼에 대한 이해 및 환경 설정
- 아마존 알렉사를 이용한 Device 제어 플랫폼 구성
-
- 아마존 알렉사 인공지능 서비스 구현
- Flask를 이용한 Rasberry PI Device 제어 서버 구현
-
Raspberry PI 카메라 연동
-
- 웹캠 연결
- 파이카메라 라이브러리 활용
-
- 웹캠 연결
-
- 사진 촬영 및 저장
- 동영상 녹화 및 저장
-
- Tensorflow 모델 저장과 로딩 에 대한 이해
- Tensorflow Serving에 대한 이해
- Tensorflow Serving을 이용한 인공지능 모델 서버 구현
-
- Raspberry PI에 Tensorflow Light 환경 구성
- Tensorflow Light에 학습된 모델 로딩
- Raspberry PI에서 MNIST 분류 모델 구현 실습
-
- Google Coral 소개 및 환경 설정
- Google Coral과 Tensorflow Light 연동
-
- Edge에서 CNN 모델 로드 및 이미지 분류
- Edge에서 Yolo모델 로딩 및 객체 인식
-
- Edge에서 CNN 모델 로드 및 이미지 분류
- Edge에서 Yolo모델 로딩 및 객체 인식
-
프로젝트
- Edge Computing 활용한 자율주행 차량 제작 프로젝트
- Edge Computing 활용한 자율주행 차량 제작 프로젝트
- Edge Computing 활용한 자율주행 차량 제작 프로젝트
- Edge Computing 활용한 자율주행 차량 제작 프로젝트
- Edge Computing 활용한 자율주행 차량 제작 프로젝트
- Edge Computing 활용한 자율주행 차량 제작 프로젝트
수강후기 21
-
4.5김*무
2022.12.02
전체적인 딥러닝의 구조에서 실제 적용되는 사례를 보고싶어 강의를 수강했는데 잘선택한것 같습니다. 실제 API 활용법을 배워서 유익한 시간이었습니다. 강추합니다 -
4.5정*진
2022.12.02
많이 배우고 좋습니다. -
5박*효
2022.12.02
딥러닝cnn부터 edge디바이스 제어까지 심도깊게 배울수 있어 좋았습니다 -
5송*원
2022.07.01
알찬 강의가 만족스러웠습니다. 다만, 너무 많은 내용이기에 현재 5일(34시간) 보다 더 긴 일정으로 실습시간이 보강된 강의 일정으로 구성되면 더 좋을 것 같습니다. -
5김*창
2022.07.01
짧은시간안에 많은 것을 배울수 있었고, 강사님 두분께서도 정말 열정적으로 강의해주셨습니다.