메뉴바로가기
메인메뉴 바로가기
컨텐츠 바로가기
 Loading... 

컨텐츠

교육과정 상세보기

교육과정 상세보기

파이썬과 오픈소스를 활용한 딥러닝

교육정보
교육 일정
교육 개요 신경망은 획일적인 데이터를 적용하는 것이 아니라 보유한 데이터에 맞추어 구성하는
것이 중요하기 때문에 신경망의 요소를 이해하고 데이터에 맞게 구성하고 실습하는 것이 중요합니다.
본 과정은 딥러닝을 이해하는데 필요한 기반 지식인 신경망의 구성요소를 이해하고 구현해보는 것에서부터 시작하고, 이를 바탕으로 딥러닝의 원리와 성능에 미치는 요소를 이해하여 Tensorflow와 Keras를 활용하여 딥러닝을 구성하고 생산성을 높일 수 있는 방법을 살펴봅니다.
교육 목적 인공 신경망이 기계학습을 수행하는 원리와 구현방법을 이해할 수 있다.
딥러닝의 학습모델에 영향을 미치는 요소를 이해할 수 있다.
딥러닝 모델을 데이터에 맞게 구성하고 적용할 수 있다.
TensorFlow 및 Keras 등 딥러닝 라이브러리에 연동해 모델을 구성하고 훈련할 수 있다.
교육 기간 3일(21시간)
교육비 1,500,000 원
교재 (자체제작-디지털)
선수 지식 Python 기초 문법
NumPy, pandas Python 데이터 분석 라이브러리 활용 능력
기계학습에 대한 이해와 적용 경험
교육 대상 딥러닝의 원리를 보다 ‘깊이’ 이해하고 싶으신 분
머신러닝과 딥러닝의 차이를 알고 싶으신 분
딥러닝 모델을 보유한 데이터에 적용하고 싶으신 분
교육 내용

1일차

도입

-데이터과학 개요

-기계학습 주요 알고리즘


파이썬 기본 및 환경설정

-파이썬 프로그래밍 환경 설정 (주피터 노트북)

-TensorFlow, Keras, PyTorch 설치


신경망 구성과 신경망 학습

-인공 신경망 (ANN) 기본개념 (1) (Perceptron/MLP, Adaline)


2일차

신경망 구성과 신경망 학습

-신경망 구성, 활성함수,  손실함수, 최적화

-신경망 학습, 오차 역전파


신경망에서의 데이터 표현과 연산

-Tensor의 개념과 종류

-Tensor 연산과  Gradient 기반의 최적화

-Tensorflow 이용법

-Keras 이용법


3일차

합성곱 신경망(CNN)

-컴퓨터 비전과  CNN 모델

-객체탐지


순환 신경망(RNN)

-RNN 모델의 개념과 종류

-시계열/시퀀스 데이터의 처리

수강후기