멀티캠퍼스

통합검색

검색도우미 기능을 다시 켤때는
검색창에서 검색도우미 열기를 클릭하세요

과정상세

[Live] 파이썬과 오픈소스를 활용한 딥러닝

thumbnail image
집합

교재제공 고급 신규

[Live] 파이썬과 오픈소스를 활용한 딥러닝

4.8

like 330

1,400,000원 (VAT없음)
학습기간
개폐강 확정일 2021.08.24

과정요약

과정요약
학습시간 09:30 ~ 17:30 ( 34시간 ) 난이도 고급
교육비 지원 고용보험 비환급 평가항목 출석률 100%
수료기준 총점 80점 이상시 수료 정원 24 명
교재정보

※ 도서 또는 부속물 품/절판인 경우 개별 안내 후 대체도서 제공, 타과정 변경 입과, 과정폐강이 일어날 수 있습니다.

과정소개



※ 본 교육을 위해 사용될 PC 사양은 아래의 내용으로 권장드립니다.
- CPU: i5 이상
- 메모리: 8GB 이상
- 저장공간: 20GB 이상
- 운영체제: 윈도우즈 10 or 맥 OS X

deeplearning_new.jpg

학습목표

  • 인공 신경망이 기계학습을 수행하는 원리와 구현방법을 이해할 수 있다.
  • 딥러닝의 학습모델에 영향을 미치는 요소를 이해할 수 있다.
  • 딥러닝 모델을 데이터에 맞게 구성하고 적용할 수 있다.
  • TensorFlow 및 Keras 등 딥러닝 라이브러리에 연동해 모델을 구성하고 훈련할 수 있다.

학습대상

  • 딥러닝의 원리를 보다 ‘깊이’ 이해하고 싶으신 분
  • 머신러닝과 딥러닝의 차이를 알고 싶으신 분
  • 딥러닝 모델을 보유한 데이터에 적용하고 싶으신 분
    • 1일차
      • .
        • 환경설정 / 파이썬 프로그래밍 환경 설정

        09:30 ~ 10:30

      • .
        • 주피터 노트북 활용

        10:30 ~ 11:30

      • .
        • 파이썬 기본 / 파이썬 문법

        11:30 ~ 12:30

      • .
        • Numpy와 Pandas

        13:30 ~ 14:30

      • .
        • 기계학습 데이터 준비

        14:30 ~ 15:30

      • .
        • 퍼셉트론 / MCP 뉴런

        15:30 ~ 16:30

      • .
        • 퍼셉트론

        16:30 ~ 17:30

    • 2일차
      • .
        • 신경망 구성 / 신경망

        09:30 ~ 10:30

      • .
        • 다차원 배열 계산

        10:30 ~ 11:30

      • .
        • 신경망 구현

        11:30 ~ 12:30

      • .
        • 출력층

        13:30 ~ 14:30

      • .
        • 신경망 적용

        14:30 ~ 15:30

      • .
        • 손실 함수

        15:30 ~ 16:30

      • .
        • 최적화

        16:30 ~ 17:30

    • 3일차
      • .
        • 신경망 학습 / 신경망 학습

        09:30 ~ 10:30

      • .
        • 오차역전파

        10:30 ~ 11:30

      • .
        • 계층 구현

        11:30 ~ 12:30

      • .
        • 활성화 함수 계층 구현

        13:30 ~ 14:30

      • .
        • Affine/Softmax 계층 구현

        14:30 ~ 15:30

      • .
        • 오차역전파 구현

        15:30 ~ 16:30

      • .
        • 매개변수 갱신

        16:30 ~ 17:30

    • 4일차
      • .
        • Tensorflow 설치 및 신경망 구현

        09:30 ~ 10:30

      • .
        • Keras 설치 및 신경망 구현

        10:30 ~ 11:30

      • .
        • 합성곱 신경망 (CNN)

        11:30 ~ 12:30

      • .
        • CNN 모델 구현과 활용 (1)
          : Keras Convolutional 계층 및 MaxPooling

        13:30 ~ 14:30

      • .
        • CNN 모델 구현과 활용 (2)
          : Dropout과 과적합 해소 및 이미지 데이터 입출력과 변환

        14:30 ~ 15:30

      • .
        • CNN 모델 구현과 활용 (3)
          : 은닉층 추가 및 노드와 은닉층 추가를 활용한 모델 표현력 개선

        15:30 ~ 16:30

      • .
        • 데이터 보강 (Data Augmentation)

        16:30 ~ 17:30

    • 5일차
      • .
        • Keras 고급 활용 (1)
          : Keras 모델 특정 계층 출력 확인

        09:30 ~ 10:30

      • .
        • Keras 고급 활용 (2)
          : Keras 모델 파일 저장 및 Keras 가중치 파일 저장

        10:30 ~ 11:30

      • .
        • 이미지 딥러닝 최신 모델

        11:30 ~ 12:30

      • .
        • 재귀 신경망 (RNN)

        13:30 ~ 14:30

      • .
        • RNN 모델 구현과 활용 (1)
          : Keras RNN 계층 및 입력 데이터 형식 처리

        14:30 ~ 15:30

      • .
        • RNN 모델 구현과 활용 (2)
          : LSTM 계층 및 문장 단위 감정 분류

        15:30 ~ 16:30

수강후기 330

평균평점

4.8 / 5.0

  • 5
    이*현

    2020.02.28

    딥러닝이 입문자로써 정말 많은 도움이 되었습니다. 파이썬과 머신러닝에 대한 지식이 없어서 조금 힘든점이 있는점.. 그래서 선수과목으로 파이썬과 머신러닝을 수강하시고 오시면 좋을거 같습니다.
  • 5
    김*우

    2020.02.28

    많은 도움되었습니다.
  • 4.5
    권*연

    2020.02.28

    머신러닝/딥러닝에 대해 잘 이해할 수 있는 강좌였습니다.
  • 5
    고*석

    2020.02.28

    딥러닝의 내용을 이해하는데 아주 많은 도움이 되었다.
  • 5
    이*혁

    2020.02.28

    딥러닝에 대하여 친숙해 질 수 있는 시간이었음.

[Live] 파이썬과 오픈소스를 활용한 딥러닝 관련과정