멀티캠퍼스 :: 과정상세보기

과정요약

과정요약
학습시간	34시간	난이도	고급
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	32 명
교재정보

과정소개

딥러닝을 이해하는데 필요한 기반 지식인 신경망의 구성요소를 이해하고 구현해 보는 것 부터 시작하며
특히 주요 딥러닝 모델을 좀 더 깊이 알고 연습해 봄이 필요합니다.

※ 2024년부터 과정 커리큘럼이 일부 변경되었으니, 하단 과정목차를 참고해 주세요.

머신러닝 딥러닝 딥러닝알고리즘 파이썬 고급

멀티캠퍼스 베스트셀러인 "파이썬과 오픈소스를 활용한 딥러닝"의 후속 과정입니다.

딥러닝을 이론으로만 알고 있다면, 이제는 구현해 보자.

인공지능, 머신러닝, 딥러닝....많이 들어보고 자료도 많이 봐왔지만,
이론 혹은 수학적 개념으로만 알고 있는 부분이 더 많을 것입니다.
탄탄한 개념 정립과 이해는 추후 응용력을 높게 해 줄 것입니다!
본 과정에서는 이러한 기본기를 바탕으로 Tensorflow와 Keras로 딥러닝 모델을 구현해 보도록 합니다.

주요 딥러닝 모델을 깊이 알고 연습해 보자.

📝 CNN: CNN의 개념/특징/구조에 대해 어렴풋이 알고 있었다면, 본 과정을 통해서 딥러닝 모형을 활용하여 전이 학습을 통해 다양한 응용 목표를 달성하는 방법을 살펴봅니다.
📝 RNN: RNN을 이해하기 위해 LSTM의 개념에 대해 알고 있었다면, 본 과정을 통해서는 시계열 데이터 예측과 같은 응용 목표를 달성하는 법을 살펴봅니다.
📝 트랜스포머: 어탠션(Attention) 기반 트랜스포머 (Transformer) 신경망의 구성 원리를 살펴보고, 트랜스포머 기반의 BERT와 같은 모형을 활용하여 텍스트 및 영상 데이터에 적용하는 방법을 알아봅니다.
📝 그래프신경망: 소셜 미디어의 관계성 분석 등을 위한 최신의 그래프 신경망을 알아보고 구현합니다.

필요한 선수지식이 있어요.

💻 권장
: 멀티캠퍼스 교육과정 중 『파이썬을 활용한 머신러닝』『파이썬과 오픈소스를 활용한 딥러닝』
을 수강한 적이 있다.

💻 아래 요소 중 3개 이상을 충족한다.
. Tensorflow, Keras를 경험해 본 적이 있다.
. NumPy 등을 활용한 수치 연산의 기본적인 방법을 이해한다.
. 신경망의 기본 이론을 이해한다.
. 중고등학교 수준의 선형대수, 미적분을 이해한다.

믿고 보는 그 강사의 명품 강의💎

멀티캠퍼스 AI 분야 스테디셀러 총 누적 수강생 2000명 이상! 🎉
『파이썬을 활용한 머신러닝』『파이썬과 오픈소스를 활용한 딥러닝』의 담당강사가 강의합니다.
💍 이성주 강사

- 現) 코드베이직 대표
- 대기업, 공공기관, 대학교 등 다수의 고객사 대상 인공지능/데이터사이언스 분야 강의
- 연세대학교 컴퓨터과학 박사 수료
- 『임베디드 안드로이드』, 『Android Developer Tools 필수 가이드, 기본편/심화편』, 『SciPy와 NumPy: 데이터/수치 분석을 위한 파이썬 라이브러리』 등 도서 출판

학습목표

주요 딥러닝 알고리즘의 확장 과정 및 현재 완성된 모델에 이르기까지 모델의 구현방법 및 특장점들을 알 수 있다.
이미지, 텍스트 등 데이터의 형태에 따른 최적의 모델을 구현할 수 있다.
최신 논문 및 연구에서 거론되고 있는 이론들을 이해하고 모델 응용방안에 대해 고민할 수 있다.

학습대상

딥러닝 성능향상을 위한 모델 활용이 필요한 분
딥러닝 개념을 이론적으로만 알고 있어 모델을 직접 구현하고 싶은 분
다양한 방법(도서, 교육, 동영상 자료 등)으로 딥러닝 모델을 학습했지만, 여전히 활용방법에 대해 어려움이 있는 분

과정목차 34

1 일차
- 환경 설정
  - 딥러닝 환경 설정 (GPU 활용)
- 딥러닝 프레임워크
  - Tensorflow API
- 딥러닝 프레임워크
  - PyTorch API
- 딥러닝 프레임워크
  - Keras
- 딥러닝 프레임워크
  - 순차적 모형
- 딥러닝 프레임워크
  - Keras 함수형 API
- 딥러닝 프레임워크
  - Keras 함수형 API
2 일차
- 컴퓨터 비전을 위한 딥러닝
  - 완전연결과 합성곱 계층 비교
- 컴퓨터 비전을 위한 딥러닝
  - 합성곱 신경망
- 컴퓨터 비전을 위한 딥러닝
  - 합성곱 신경망
- 컴퓨터 비전을 위한 딥러닝
  - 사전 훈련과 전이 학습
- 컴퓨터 비전을 위한 딥러닝
  - 사전 훈련과 전이 학습
- 컴퓨터 비전을 위한 딥러닝
  - 사전 훈련 미세조정 (Fine tuning)
- 컴퓨터 비전을 위한 딥러닝
  - 사전 훈련 미세조정 (Fine tuning)
3 일차
- 고급 합성곱 설계 패턴
  - 이미지 분할
- 고급 합성곱 설계 패턴
  - 이미지 분할
- 고급 합성곱 설계 패턴
  - 잔차 연결 (Residual connection)
- 고급 합성곱 설계 패턴
  - 배치 정규화 (Batch Normalization)
- 고급 합성곱 설계 패턴
  - 깊이별 분리 합성곱 (Separable Convolution)
- 고급 합성곱 설계 패턴
  - 합성곱 시각화
- 고급 합성곱 설계 패턴
  - 합성곱 시각화
4 일차
- 시계열을 위한 딥러닝
  - 시계열 데이터 전처리
- 시계열을 위한 딥러닝
  - 시계열 데이터 전처리
- 시계열을 위한 딥러닝
  - 시계열 데이터 전처리
- 시계열을 위한 딥러닝
  - Recurrent Neural Network
- 시계열을 위한 딥러닝
  - LSTM 계층
- 텍스트를 위한 딥러닝
  - 고급 RNN 패턴
- 텍스트를 위한 딥러닝
  - BoW 인코딩
5 일차
- 텍스트를 위한 딥러닝
  - N-Gram
- 텍스트를 위한 딥러닝
  - RNN과 트랜스포머
- 텍스트를 위한 딥러닝
  - RNN과 트랜스포머
- 그래프 데이터의 이해
  - 그래프 데이터 시각화 및 분석
- 그래프 신경망 이해
  - 그래프 표현 학습 이론
    그래프 신경망 (GNN; Graph Neural Network)
    기본 신경망 구성 및 훈련
    그래프 신경망 구성 및 훈련
- 그래프 어텐션 신경망 (GAT)
  - 그래프 어텐션 신경망 (GAT;Graph Attention Network) 이론
    예시) 데이터셋 적재 및 전처리
    멀티헤드 그래프 어탠션 계층
    학습 구현
    모델 학습과 평가

수강후기 8

평균평점

4.3 / 5.0

4

임*순
2023.05.26

설명을 자세하고 친절하게 진행해 주신 부분에 대해서는 감사합니다. 하지만 심화 과정이라고 하기엔 기초적인 부분에 대한 설명이 너무 많고, 이 강의에 대한 수강생 목표가 대부분 후반부에 위치하고 있지만, 학습 진도를 나가기엔 시간이 부족하다고 많이 느낍니다 후반부의 학습에 진도를 맞추시는 것이 바람직하다고 판단됩니다. 진도를 나가기엔 너무 시간이 짧습니다.
4

최*인
2023.05.26

신경망을 다시 공부해서 재미있었습니다. 딥러닝 활용 관점에서 시야를 넓힐 수 있었습니다.
4

김*휘
2023.05.26

딥러닝 최종 보스(^^;)와 같아서 사전지식이 어느정도 있으셔야 강의를 따라가실수 있습니다. 사전 딥러닝 과정을 이수한 이후에 들어주세요~
4.5

김*식
2023.05.26

행정적 처리면에서 조금 아쉬운 점은 있었으나, 강의 자체는 몹시 훌륭했습니다.
5

진*호
2023.05.26

업무 추진에 많은 도움이 되었습니다.

[Live] 파이썬과 오픈소스를 활용한 딥러닝(심화) 관련과정

집합

교재제공

[Live] 파이썬과 오픈소스를 활용한 딥러닝

집합

교재제공

파이썬과 오픈소스를 활용한 딥러닝