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

((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
- Deep Neural Net 이론
  - - 함수로서의 인공신경망
    - 피드포워드 네트워크 구조
- Deep Neural Net 이론
  - - Loss Function
    - 역전파
- Numpy, Matplotlib Deep Nueral Network 실습
  - - Numpy, Matplotlib 설명
- Numpy, Matplotlib Deep Nueral Network 실습
  - - Classificaiton을 위한 DNN 구성 및 Forward Pass 구현
    - 함수 근사를 위한 DNN 구성 및 Forward Pass 구현
- Tensorflow Deep Neural Network 실습
  - - Tensorflow 설명
- Tensorflow Deep Neural Network 실습
  - - Sine 곡선 Regression 구현
2 일차
- 최적화 (Optimization)
  - - 신경망 학습 방식
    - Optimization
    - Stochastic Gradient Descent
    - SGD + Momentum
    - Nesterov Momentum
    - AdaGrad
    - RMSProp
    - Adam
- 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)
- Deep Neural Network 실습
  - - Tensorflow를 이용한 DNN 구성
- Deep Neural Network 실습
  - - DNN 방식의 Fashion MNIST Classificiation 구현
- Convolutional Neural Net 이론
  - - CNN 탄생 배경
    - CNN 아키텍처
    - Convolution
    - Stride and Padding
    - Upsampling
    - CNN 가정사항
- Convolutional Neural Net 실습
  - - Tensorflow를 이용한 CNN 구성
- Convolutional Neural Net 실습
  - - CNN 방식의 Fashion MNIST Classificiation 구현
3 일차
- CNN Achitecture
  - - LeNet-5
    - AlexNet
    - ZFNet
    - VGGNet
    - GoogLeNet
    - ResNet
    - CNN 모델 비교
    - Other Architecture
- ResNet 구현
  - - ResNet 모델 구현
- ResNet 구현
  - - ResNet으로 Fashion MNIST Classificiation 구현
- Recurrent Neural Net 이론
  - - RNN 개요
    - RNN 주요 모델
    - Character-level Language Model
    - BPTT
    - RNN 예제
    - LSTM
- Recurrent Neural Net 실습
  - - Character Level Model의 구현
- Recurrent Neural Net 실습
  - - Linux Source 생성 실습
- Recurrent Neural Net 실습
  - - Linux Source 생성 실습

수강후기 79

평균평점

4.5 / 5.0

4.5

최*정
2022.12.14

딥러닝 종류에대해서 설명해주시고, 실습(코드)도 같이 진행되서 이해가 훨씬 잘되었음
4

최*아
2021.12.01

복습이 필요하겠지만 유익했습니다
5

서*원
2021.11.03

딥러닝 기초와 텐서플로우 입문에 많은 도움이 되었고 자신감이 생겼습니다.
5

노*철
2021.11.03

3일로 하기에는 많은 내용이었습니다
4.5

이*옥
2021.08.11

라이브다보니 실습에 한계가 있지만 좋은 강의였습니다.

[Live] 실전! Tensorflow로 배우는 딥러닝 관련과정

집합

교재제공

알고리즘으로 배우는 머신러닝, 딥러닝

집합

교재제공

TensorFlow로 배우는 강화학습