Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
1일차:
기본 Machine Learning
모듈-1
소개:
- 연습 – Python 및 NN 라이브러리 설치
- 왜 머신러닝인가?
- 머신러닝의 간략한 역사
- 딥러닝의 등장
- 머신러닝의 기본 개념
- 분류 문제 시각화
- 결정 경계 및 결정 영역
- iPython 노트북
모듈-2
- 연습 - 결정 영역
- 인공 뉴런
- 신경망, 순방향 전파 및 네트워크 계층
- 활성화 기능
- 연습 - 활성화 기능
- 오류의 역전파
- 과소적합과 과적합
- 보간 및 평활화
- 외삽 및 데이터 추상화
- 머신러닝의 일반화
모듈-3
- 연습 - 과소적합 및 과적합
- 훈련, 테스트, 검증 세트
- 데이터 편향과 부정적인 예시 문제
- 편향/분산 트레이드오프
- 연습 - 데이터 세트 및 편향
모듈-4
- NN 매개변수 및 하이퍼 매개변수 개요
- 로지스틱 회귀 문제
- 비용 함수
- 예 – 회귀
- 기존 머신러닝과 딥러닝
- 결론
2일차: 컨볼루셔널 Neural Networks (CNN)
모듈-5
- CNN 소개
- CNN이란 무엇입니까?
- Computer 비전
- 일상생활 속 CNN
- 이미지 – 픽셀, 색상 및 공간의 양자화, RGB
- 컨벌루션 방정식과 물리적 의미, 연속 대 이산
- 연습 – 1D 컨볼루션
모듈-6
- 필터링의 이론적 기초
- 정현파의 합으로 표시되는 신호
- 주파수 스펙트럼
- 대역통과 필터
- 연습 - 주파수 필터링
- 2D 컨벌루셔널 필터
- 패딩 및 보폭
- 대역통과로 필터링
- 템플릿 일치로 필터링
- 연습 - 가장자리 감지
- 국부적인 주파수 분석을 위한 Gabor 필터
- 연습 – 레이어 1 맵으로서의 Gabor 필터
모듈-7
- CNN 아키텍처
- 컨벌루션 레이어
- 최대 풀링 레이어
- 다운샘플링 레이어
- 재귀적 데이터 추상화
- 재귀적 추상화의 예
모듈-8
- 연습 - 기본 CNN 사용법
- ImageNet 데이터 세트 및 VGG-16 모델
- 특징 맵 시각화
- 특징 의미의 시각화
- 연습 - 기능 맵 및 기능 의미
3일차: 시퀀스 모델
모듈-9
- 시퀀스 모델이란 무엇입니까?
- 왜 시퀀스 모델인가?
- 언어 모델링 사용 사례
- 시간의 시퀀스 대 공간의 시퀀스
모듈-10
- RNN
- 반복 아키텍처
- 시간에 따른 역전파
- 사라지는 그라데이션
- 그루
- LSTM
- 심층 RNN
- 양방향 RNN
- 연습 - 단방향 RNN과 양방향 RNN 비교
- 샘플링 시퀀스
- 시퀀스 출력 예측
- 연습 - 시퀀스 출력 예측
- 단순 시변 신호에 대한 RNN
- 연습 - 기본 파형 감지
모듈-11
- Natural Language Processing (NLP)
- Word 임베딩
- Word 벡터: word2vec
- Word 벡터: GloVe
- 지식 이전 및 단어 임베딩
- 감성분석
- 운동 – Sentiment Analysis
모듈-12
- 편향의 수량화 및 제거
- 연습 – 편견 제거
- 오디오 데이터
- 빔 검색
- 주목 모델
- 음성 인식
- 트리거 단어 감지
- 운동 – Speech Recognition
Requirements
이 과정에 참석하는 데 필요한 특정 요구 사항은 없습니다.
21 Hours