과정상세
실전! PyTorch로 배우는 딥러닝
![thumbnail image](https://webcachecdnitx.multicampus.com/prd/pv00/FA00VV/FA00VV_PV_TN_IM_1.jpg)
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
파이썬 PyTorch 딥러닝
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.
✅ 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
✅ 인공지능 관련 지식
- 인공지능 기술 이해
- 머신러닝 구현에 적용되는 선형대수, 행렬에 대한 이해
📍 과정 특장점
- 딥러닝이 무엇인지/딥러닝이 궁금한 교육생에게 바로 딥러닝 내용으로 교육이 진행되도록 합니다.
- 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.
- 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.
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 11
-
3.5안*현
2024.06.05
기간이 짧아 조금 아쉽다. -
3.75최*호
2024.06.05
난이도에 비해 기간이 짧게 짜여져 있다고 생각. 교재는 받아서 좋긴 한데 거의 쓰이지 않으므로 이런 구성의 수업에선 필요 없다고 생각. -
4.75이*수
2024.06.05
유튜브 다시보기가 제공되어서 좋습니다. 어려운 개념을 쉽게 설명하고자 노력하셨습니다. -
3.75김*태
2024.06.05
강의 주제가 업무에 필요한 부분이었는데 좋은 내용으로 수강하였음 -
5김*완
2024.06.05
머신러닝의 개념부터 딥러닝까지 알차게 구성되어 좋았습니다. 또한 풍부한 예시와 최고의 강의를 해주신 강사님께 감사드립니다.
실전! PyTorch로 배우는 딥러닝 관련과정
![thumbnail image](https://webcachecdnitx.multicampus.com/prd/pv00/FA001B/FA001B_PV_TN_IM_1.jpg)
교재제공