과정상세
[Live] 실전! Tensorflow로 배우는 딥러닝
교재제공 중급 신규
[Live] 실전! Tensorflow로 배우는 딥러닝
과정요약
학습시간 | 21시간 | 난이도 | 중급 |
---|---|---|---|
교육비 지원 | 고용보험 비환급 | 평가항목 | 출석률 100% |
수료기준 | 총점 80점 이상시 수료 | 정원 | 24 명 |
교재정보 |
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
과정목차 21
-
1 일차
-
Deep Learning 개요
-
- 딥러닝이란
- 신경망의 탄생 배경
- 딥러닝의 역사
- 딥러닝의 활용
-
- 딥러닝이란
-
Deep Learning 개요
-
Deep Neural Net 이론
-
- 함수로서의 인공신경망
- 피드포워드 네트워크 구조
-
- 함수로서의 인공신경망
-
- Loss Function
- 역전파
- - Numpy, Matplotlib 설명
-
- Classificaiton을 위한 DNN 구성 및 Forward Pass 구현
- 함수 근사를 위한 DNN 구성 및 Forward Pass 구현
- - Tensorflow 설명
- - Sine 곡선 Regression 구현
-
최적화 (Optimization)
-
- 신경망 학습 방식
- Optimization
- Stochastic Gradient Descent
- SGD + Momentum
- Nesterov Momentum
- AdaGrad
- RMSProp
- Adam
-
- 신경망 학습 방식
-
- 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)
- - Tensorflow를 이용한 DNN 구성
- - DNN 방식의 Fashion MNIST Classificiation 구현
-
- CNN 탄생 배경
- CNN 아키텍처
- Convolution
- Stride and Padding
- Upsampling
- CNN 가정사항
- - Tensorflow를 이용한 CNN 구성
- - CNN 방식의 Fashion MNIST Classificiation 구현
-
CNN Achitecture
-
- LeNet-5
- AlexNet
- ZFNet
- VGGNet
- GoogLeNet
- ResNet
- CNN 모델 비교
- Other Architecture
-
- LeNet-5
- - ResNet 모델 구현
- - ResNet으로 Fashion MNIST Classificiation 구현
-
- RNN 개요
- RNN 주요 모델
- Character-level Language Model
- BPTT
- RNN 예제
- LSTM
- - Character Level Model의 구현
- - Linux Source 생성 실습
- - Linux Source 생성 실습
수강후기 79
-
4.5최*정
2022.12.14
딥러닝 종류에대해서 설명해주시고, 실습(코드)도 같이 진행되서 이해가 훨씬 잘되었음 -
4최*아
2021.12.01
복습이 필요하겠지만 유익했습니다 -
5서*원
2021.11.03
딥러닝 기초와 텐서플로우 입문에 많은 도움이 되었고 자신감이 생겼습니다. -
5노*철
2021.11.03
3일로 하기에는 많은 내용이었습니다 -
4.5이*옥
2021.08.11
라이브다보니 실습에 한계가 있지만 좋은 강의였습니다.
[Live] 실전! Tensorflow로 배우는 딥러닝 관련과정
교재제공
교재제공