멀티캠퍼스

통합검색

검색도우미 기능을 다시 켤때는
검색창에서 검색도우미 열기를 클릭하세요

과정상세

[Live] 실전! Tensorflow로 배우는 딥러닝

thumbnail image
집합

교재제공 중급 신규

[Live] 실전! Tensorflow로 배우는 딥러닝

4.5

like 74

1,000,000원 (VAT없음)
학습기간
개폐강 확정일 2021.08.01

과정요약

과정요약
학습시간 09:30 ~ 17:30 ( 21시간 ) 난이도 중급
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

((필수 접속 사이트))_크롬브라우져 사용
  - 구글 Colab https://colab.research.google.com/
  - 구글드라이브 https://drive.goolge.com


 ((교육가능 최소 PC환경))
  - CPU: i5
  - 메모리: 8G
  - Window 10


※ 본 과정은 TensorFlow2.x로 진행됩니다. 

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

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

2. 강사와 함께 하는 즐거운 코딩 시간
  : 코드 한줄 한줄에 분석하면서 충분히 이해하고 따라가는 코딩방식으로 진행을 합니다.

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


※ 본 과정을 성공적으로 이수하려면 다음과 같은 사전 지식과 역량이 갖춰져 있어야 합니다.
- 선형대수, 확률과 통계, 미적분에 대한 기본적인 지식이 필요합니다.
- Python 문법을 알고 있고 실습을 진행하기 위한  프로그래밍 능력은 갖추고 있어야 합니다.


 

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.
  • ResNet과 같은 고도화된 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
    • 1일차
      • Deep Learning 개요
        • - 딥러닝이란
          - 신경망의 탄생 배경
          - 딥러닝의 역사
          - 딥러닝의 활용

        09:30 ~ 10:30

      • Deep Neural Net 이론
        • - 함수로서의 인공신경망
          - 피드포워드 네트워크 구조

        10:30 ~ 11:30

      • Deep Neural Net 이론
        • - Loss Function
          - 역전파

        11:30 ~ 12:30

      • Numpy, Matplotlib Deep Nueral Network 실습
        • - Numpy, Matplotlib 설명

        13:30 ~ 14:30

      • Numpy, Matplotlib Deep Nueral Network 실습
        • - Classificaiton을 위한 DNN 구성 및 Forward Pass 구현
          - 함수 근사를 위한 DNN 구성 및 Forward Pass 구현

        14:30 ~ 15:30

      • Tensorflow Deep Neural Network 실습
        • - Tensorflow 설명

        15:30 ~ 16:30

      • Tensorflow Deep Neural Network 실습
        • - Sine 곡선 Regression 구현

        16:30 ~ 17:30

    • 2일차
      • 최적화 (Optimization)
        • - 신경망 학습 방식
          - Optimization
          - Stochastic Gradient Descent
          - SGD + Momentum
          - Nesterov Momentum
          - AdaGrad
          - RMSProp
          - Adam

        09:30 ~ 10:30

      • 정규화 (Regularization)
        • - 초기화 (Initialization)
          - 정규화 (Regularization)
          - 배치정규화
          - 가중치 감소 (weight decay)
          - 조기 종료 (Early Stopping)
          - 데이터 확장 (Data Augmentation)
          - 잡음 주입 (Noise Injection)
          - 앙상블 (Ensemble)
          - 드롭아웃 (Dropout)

        10:30 ~ 11:30

      • Deep Neural Network 실습
        • - Tensorflow를 이용한 DNN 구성

        11:30 ~ 12:30

      • Deep Neural Network 실습
        • - DNN 방식의 Fashion MNIST Classificiation 구현

        13:30 ~ 14:30

      • Convolutional Neural Net 이론
        • - CNN 탄생 배경
          - CNN 아키텍처
          - Convolution
          - Stride and Padding
          - Upsampling
          - CNN 가정사항

        14:30 ~ 15:30

      • Convolutional Neural Net 실습
        • - Tensorflow를 이용한 CNN 구성

        15:30 ~ 16:30

      • Convolutional Neural Net 실습
        • - CNN 방식의 Fashion MNIST Classificiation 구현

        16:30 ~ 17:30

    • 3일차
      • CNN Achitecture
        • - LeNet-5
          - AlexNet
          - ZFNet
          - VGGNet
          - GoogLeNet
          - ResNet
          - CNN 모델 비교
          - Other Architecture

        09:30 ~ 10:30

      • ResNet 구현
        • - ResNet 모델 구현

        10:30 ~ 11:30

      • ResNet 구현
        • - ResNet으로 Fashion MNIST Classificiation 구현

        11:30 ~ 12:30

      • Recurrent Neural Net 이론
        • - RNN 개요
          - RNN 주요 모델
          - Character-level Language Model
          - BPTT
          - RNN 예제
          - LSTM

        13:30 ~ 14:30

      • Recurrent Neural Net 실습
        • - Character Level Model의 구현

        14:30 ~ 15:30

      • Recurrent Neural Net 실습
        • - Linux Source 생성 실습

        15:30 ~ 16:30

      • Recurrent Neural Net 실습
        • - Linux Source 생성 실습

        16:30 ~ 17:30

수강후기 74

평균평점

4.5 / 5.0

  • 3.5
    김*성

    2020.02.21

    딥러닝 기초 지식이 있고, 파이썬 코딩 가능한 경우, 수강하는 게 좋을 것 같다.
  • 4.5
    조*호

    2019.11.26

    상세하고 친절한 설명 좋았습니다.
  • 5
    윤*호

    2019.11.26

    짧은 기간에 많이 배웠음
  • 5
    장*연

    2019.11.26

    약간의 코딩 이해력만 있다면 이해하기쉽게 구성되어 딥러닝 교육 과정으로 추천할만합니다.
  • 4
    ******

    2019.09.27

    기초적인 내용에 대한 선행학습이 필요

[Live] 실전! Tensorflow로 배우는 딥러닝 관련과정