과정상세
실전! PyTorch로 배우는 딥러닝
교재제공 중급
실전! PyTorch로 배우는 딥러닝
카테고리
- 학습유형별 대면
- AI 머신러닝/딥러닝
과정요약
학습시간 | 09:30 ~ 17:30 ( 21시간 ) | 난이도 | 중급 |
---|---|---|---|
교육비 지원 | 고용보험 비환급 | 평가항목 | 출석률 100% |
수료기준 | 총점 80점 이상시 수료 | 정원 | 21 명 |
교재정보 |
과정소개
기존에 Lua언어로 개발된 Torch를 Facebook에서 확장 개발하여 2017년 1월에 출시되었습니다.
페이스북 측은 “빠르고 유연한 실험을 하게 해주는 딥러닝 프레임워크”라고 소개하고 있으며,
무엇보다 텐서플로우보다 익히기 훨씬 쉽다는 것을 강점으로 내세웁니다.
본 과정은 딥러닝에 입문하는 개발자/딥러닝을 빠르게 구현하고자 하는 개발자를 대상으로,
PyTorch의 간결하고 직관적인 코드를 통해 다양한 딥러닝 알고리즘을 학습하고 스스로 딥러닝 모델을 만들어 성과를 내보도록 합니다.
본 과정은 아래와 같은 특징이 있습니다.
- 낮은 진입장벽으로 쉽게 접근하고, 딥(deep)~하게 적용하는 딥러닝
딥러닝이 무엇인지/딥러닝이 궁금한 교육생에게 바로 딥러닝 내용으로 교육이 진행되도록 합니다.
- 나무만 보는 ‘딥러닝 모델 코드’ 교육이 아닌 숲을 보는 ‘딥러닝 프로세스’ 교육
PyTorch로 구현된 모델 코드만 보여주는 것이 아니라 <데이터를 가져와서→전처리 하고→모델에 적용하고→파일과 코드를 관리하는 전체 프로세스를 구현할 수 있도록 합니다.
실전에서 딥러닝을 사용해야 하는 경우 딥러닝 코드 뿐 아니라 전체적인 프로세스를 다루기 때문에 해당 모델 구현에서 끝나는 것이 아니라 완결된 코드를 짜보도록 합니다.
- 파이썬을 조금이라도 안다면 파이토치로 딥러닝을 빠~르게 접근
PyTorch의 가장 큰 장점은 기존 파이썬을 썼던 사람이라면 누구나 쉽게 쓸 수 있다는 점입니다.
간결한 코드를 통해 쉽게 딥러닝 모델을 구현할 수 있고, 데이터 분석과 전처리에서 많이 사용되는 라이브러리와 높은 연동성을 가지고 있기 때문에 상호 변환이 쉬운 장점이 있습니다.
* 본 과정은 다음과 같은 사전 지식과 역량을 필요로 합니다.
1. 기초적인 프로그래밍 능력(파이썬)
- 변수 선언 및 데이터 타입 지식 보유
- 제어문의 구성 및 작성 능력
- 함수 선언 및 호출 등에 관한 지식 보유
- 그 외 입출력 등의 기본적인 프로그래밍 능력 또는 코드 이해
2. 인공지능 관련 지식
- 인공지능 기술 이해
- 머신러닝, 딥러닝, 인공신경망 등에 대한 용어 이해
- 머신러닝 구현에 적용되는 선형대수, 행렬에 대한 이해
학습목표
- PyTorch를 이용하여 딥러닝 모델을 설계하고 직접 구현할 수 있다.
- 딥러닝의 원리와 최신 연구 트랜드를 이해하고 설명할 수 있다.
- 딥러닝을 활용한 서비스를 개발하기 위해 필요한 핵심적인 이론을 알고 구현할 수 있다.
학습대상
- 딥러닝 모델을 활용하고자 하는 연구자 및 개발자
- 시계열 데이터와 이미지 데이터의 활용이 필요한 연구자 및 개발자
- PyTorch 를 활용하여 인공지능을 설계하고 싶은 연구자 및 개발자
-
-
1일차
-
Introduction
- 인공지능, 머신러닝, 딥러닝의 관계 09:30 ~ 10:30
-
Introduction
- PyTorch 소개
환경 구축, CoLab 소개 10:30 ~ 11:30
- PyTorch 소개
-
Deep Learning
- 딥러닝 개요 및 최신 동향 11:30 ~ 12:30
-
Neural Network(Perceptron, SLP, MLP)
- Perceptron / Neural Network 이론 및 실습 13:30 ~ 14:30
-
Neural Network(Perceptron, SLP, MLP)
- Activation function / Loss function 이론 및 실습 14:30 ~ 15:30
-
Neural Network(Perceptron, SLP, MLP)
- Optimizing Neural Network 이론 및 실습 15:30 ~ 16:30
-
Neural Network(Perceptron, SLP, MLP)
- 데이터 전처리 및 분할 / 미니배치 학습 16:30 ~ 17:30
-
Introduction
-
2일차
-
Convolutional Neural Network (CNN)
- CNN(Convolutional Neural Network) 모델 개요 09:30 ~ 10:30
-
Convolutional Neural Network (CNN)
- 뇌에서의 시각처리과정과 CNN 모델의 연관성 10:30 ~ 11:30
-
Convolutional Neural Network (CNN)
- CNN 모델 구현 실습 11:30 ~ 12:30
-
Transfer Learning
- 전이학습 개요 및 이론 13:30 ~ 14:30
-
Transfer Learning
- 전이학습 구현 실습 14:30 ~ 15:30
-
Generative Adversarial Networks(GAN)
- GAN 모델 개요 및 이론 15:30 ~ 16:30
-
Generative Adversarial Networks(GAN)
- GAN 모델 구현 실습 16:30 ~ 17:30
-
Convolutional Neural Network (CNN)
-
3일차
-
Recurrent Neural Network(RNN)
- RNN 모델 이론 및 실습 09:30 ~ 10:30
-
Recurrent Neural Network(RNN)
- Long Short-term Memory(LSTM) 모델 이론 및 실습 10:30 ~ 11:30
-
자연어 처리
- 자연어 처리 개요 11:30 ~ 12:30
-
자연어 처리
- 단어의 표현과 임베딩 이론 및 활용 실습 13:30 ~ 14:30
-
언어모델
- 언어모델 개요 14:30 ~ 15:30
-
언어모델
- Seq2Seq 모델과 Attention 모델 15:30 ~ 16:30
-
언어모델
- Transformer 모델 이론 및 활용 실습 16:30 ~ 17:30
-
Recurrent Neural Network(RNN)
-
1일차
수강후기 3
-
4정*민
2023.09.06
초급 이상의 과정을 다루고 있어서 향후 혼자 공부하고 적용하는데 도움이 될 것 같습니다. -
3.5도*원
2023.05.10
수업을 진행하기에 인터리어를 포함하여 많은 휴식공간까지 교육생에게 너무 좋은 환경이였습니다. 덕분에 교육을 수강하는데 있어 불편함이 없었습니다. 교육해주시는 강사님도 전문성이 있어 보이셨습니다. 멀티캠퍼스에 대한 좋은 기억을 갖고 돌아갑니다. -
4이*훈
2023.05.10
교재 화질이 좋지않으며 강의내용과 많이다름
실전! PyTorch로 배우는 딥러닝 관련과정
교재제공