멀티캠퍼스 :: 과정상세보기

과정요약

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	[PDF] 실전! PyTorch로 배우는 딥러닝

과정소개

PyTorch는 파이썬(Python) 기반의 오픈소스 머신러닝 라이브러리로,
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
  - 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
- 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
- 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

수강후기 3

평균평점

3.8 / 5.0

4

정*민
2023.09.06

초급 이상의 과정을 다루고 있어서 향후 혼자 공부하고 적용하는데 도움이 될 것 같습니다.
3.5

도*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.
4

이*훈
2023.05.10

교재 화질이 좋지않으며 강의내용과 많이다름

실전! PyTorch로 배우는 딥러닝 관련과정

집합

교재제공

PyTorch로 배우는 강화학습