멀티캠퍼스 :: 과정상세보기

과정요약

과정요약
학습시간	16시간	난이도
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	12 명

과정소개

딥러닝을 더 깊게 이해하기 위해서는
딥러닝을 떠받치고 있는 확률통계와 머신러닝에 대한 이해가 선행되어야 합니다.

여러 딥러닝 강의를 통해 딥러닝의 개념을 이해했지만 정작 논문을 보면 어려운 수식들 때문에 난감했던 기억이 있는 분들을 위해서 준비한 강의입니다. 더 깊은 수학적으로 의미를 깨달아 탄탄한 이론적 기반을 마련해 보세요.

1. 확률통계를 딥러닝에 필요한 키워드를 중심으로 다시 되짚어 보는 과정
: Linear regression, Logistic regression, 앙상블 기법, K-means 알고리즘 등 딥러닝을 해석하는데 여전히 중요하게 사용되는 핵심 개념들을 정리하고 학습합니다.

2. 학습한 머신러닝의 개념에 힘입어 실제 자연어처리 분야의 논문을 읽어보고 적용해보는 과정
: 최근 ChatGPT의 근간이 되는 자연어처리의 기초 모델인 RNN부터 LSTM, GRU, Seq2Seq, 트랜스포머(Transformer)까지!
논문에 소개된 아키텍처를 이해하고 직접 구현해보며 상세히 학습합니다.

학습목표

딥러닝에 필요한 확률통계의 기초 개념들을 명확히 이해할 수 있다.
딥러닝에 필요한 머신러닝 모델들의 원리를 이해하고 구현할 수 있다.
확률통계와 머신러닝의 개념들을 토대로 자연어처리의 다양한 네트워크들을 이해하고 구현할 수 있다.

학습대상

미적분학과 선형대수학에 대한 기초 지식이 있는 분
Python 프로그래밍, Pytorch등 딥러닝 프레임워크에 대한 기초 숙련이 된 분
Linear Regression, CNN, RNN 등 기초적 딥러닝 네트워크에 대한 이해가 있는 분

과정목차 13

1 일차
- 인공지능 소개
  - 인공지능에 대한 기초 이론
- 단순.다중회귀 이론
  - Simple & multiple Linear regression 이론
- 단순.다중회귀 실습
  - 사이킷런 라이브러리를 활용한 예측 모델 실습
- 로지스틱회귀, 의사결정나무 이론
  - Logistic regression, Decission Tree 이론
- 로지스틱회귀, 의사결정나무 실습
  - Logistic regression, Decission Tree 실습, 이상치 탐지, 하이퍼파라미터 튜닝
- 앙상블 러닝 이론 및 실습
  - 앙상블 학습 기법(발전된 분류분석 모델 구현) - Random forest
- K-means 알고리즘
  - K-means 알고리즘 이론 및 실습
2 일차
- 자연어처리 기초 소개
  - 자연어처리란 무엇인가?
- RNN, LSTM, GRU 이론
  - 기초 순환신경망과 발전된 순환신경망
- Sequence-to-sequence 이론
  - 발전된 형태의 신경망구조
- Sequence-to-sequence 이론
  - 번역 데이터를 활용하여 Sequence-to-sequence 모델 구조로 독일어-한국어 번역 모델 실습
- 트랜스포머(Transformer) 이론
  - 트랜스포머(Transformer) 구조 이론
- 트랜스포머(Transformer) 실습
  - 트랜스포머(Transformer) 구조 실습

수강후기 0

평균평점

0 / 5.0

등록된 수강후기가 없습니다