과정상세
알고리즘으로 배우는 머신러닝, 딥러닝
교재제공 중급
알고리즘으로 배우는 머신러닝, 딥러닝
과정요약
| 학습시간 | 09:30 ~ 17:30 ( 21시간 ) | 난이도 | 중급 |
|---|---|---|---|
| 교육비 지원 | 고용보험 비환급 | 평가항목 | 출석률 100% |
| 수료기준 | 총점 80점 이상시 수료 | 정원 | 24 명 |
| 교재정보 | |||
※ 도서 등의 부속물 절판으로 인한 폐강시 개별 안내 후 취소나 타과정으로 대체입과 될 수 있습니다.
과정소개
학습목표
- 머신러닝/딥러닝에 사용되는 핵심 알고리즘을 설명할 수 있다.
- 알고리즘 활용 실습과 사례를 통해 알고리즘이 머신러닝과 딥러닝에 어떻게 적용되는지 이해할 수 있다.
- 자신이 속한 사업분야에 최적화된 인공지능 알고리즘을 적용할 수 있다.
학습대상
- 최신 기술 트렌드를 이해하여 사업의 방향과 조직 운영을 고민하는 실무자/관리자
- 인공지능 분야를 전반적으로 이해하여 비즈니스에 활용하고자 하는 실무자
- AI 개발자와 협업하는 시스템 운영자 및 기획자
- 인공지능 분야의 기술을 심화하고자 하는 개발자
-
-
1일차
-
1. 인공지능 소개
- 인공지능 개요 및 발전사, 인공지능 적용사례 및 기반기술, 최신 기술개발 현황
09:30 ~ 12:30
-
2. 머신러닝
- 지도학습: k-NN, SVM, 의사결정트리, 비지도학습: 클러스터링, PCA, 생성모델, 강화학습: 마코프 프로세스, Deep Q-Learning, 머신러닝 사례
13:30 ~ 17:30
-
1. 인공지능 소개
-
2일차
-
3. 딥러닝1
- 신경망 이론 개요, 경사감소법 및 최적화 알고리즘, 역전파 학습 알고리즘, 규제화 알고리즘, 컨볼루션신경망 이론 및 적용예
09:30 ~ 12:30
-
4. 예제 및 실습1
- 프레임워크 종류 및 장단점 비교, 딥러닝 프레임워크 활용 및 실습: MLP, 딥러닝 프레임워크 활용 및 실습: CNN (MNIST), 딥러닝 서비스 구현 사례: 패션 이미지 및 자동차 신호 분석
13:30 ~ 17:30
-
3. 딥러닝1
-
3일차
-
5. 딥러닝2
- 심층 신경망 (DBN), RBM & AutoEncoder, 자연어처리에 사용되는 RNN 알고리즘 (LSTM, GRU), 최근 딥러닝의 핵심 기술로 떠오르는 생성모델 GAN
09:30 ~ 12:30
-
6. 예제 및 실습2
- 강화학습 실습: Deep Q-Learning, 반복신경망 실습: RNN/LSTM, 생성모델 GAN 실습, 학습자 설문 피드백
13:30 ~ 17:30
-
5. 딥러닝2
-
1일차
수강후기 135
-
4권*
2019.10.17
전문적인 내용 위주로 구성된 것은 장점이나, 수학적 기초가 약한 사람이 이해하기 어려운 내용이 많았다는 단점이 있습니다. 내용이 전반적으로 어려웠으나 만족함. -
5이*형
2019.10.17
점심 전 교육 종료시간을 과정별로 5~10분 정도 차이를 두면 혼잡하지 않을 것 같습니다. 월요일은 오래 기다렸어요. -
5정*철
2019.10.17
개념과 함께 시각화된(?) 자료를 많이 보여주셔서 이해하기 좋았습니다, -
5******
2019.10.17
AI에 대해 기본기가 없는 상태로 수강 시 매우 고난이도의 수업으로 느껴짐 (수학적 지식/알고리즘의 개념에 대한 이해) 기본 선행 학습 후 수강하는 것이 도움될 듯함 -
4장*영
2019.10.17
딥러닝에 대해 전반적인 이해가 가능 수학적 전문지식 필요...
