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
- 신경망 및 딥러닝 개요 머신러닝(ML)의 개념 신경망과 딥러닝이 필요한 이유는 무엇입니까? 다양한 문제 및 데이터 유형에 대한 네트워크 선택 신경망 학습 및 검증 신경망과 로지스틱 회귀 비교 신경망 신경망에 대한 생물학적 영감 신경망 – 뉴런, 퍼셉트론 및 MLP(Multilayer Perceptron 모델) 학습 MLP – 역전파 알고리즘 활성화 함수 – 선형, 시그모이드 , Tanh, Softmax 예측 및 분류에 적합한 손실 함수 매개변수 – 학습률, 정규화, 추진력 Python에서 신경망 구축 Python에서 신경망 성능 평가 딥 네트워크의 기초 딥러닝이란? 심층 네트워크 아키텍처 – 매개변수, 레이어, 활성화 함수, 손실 함수, 솔버 제한된 볼츠만 머신(RBM) 오토인코더 딥 네트워크 아키텍처 DBN(심층 신뢰 네트워크) – 아키텍처, 애플리케이션 오토인코더 제한된 볼츠만 머신 컨볼루셔널 신경망 재귀 신경망 순환 신경망 개요 Python에서 사용 가능한 라이브러리 및 인터페이스 Caffee Theano Tensorflow Keras Mxnet 문제에 적합한 라이브러리 선택 Python에서 딥 네트워크 구축 주어진 문제에 적합한 아키텍처 선택 하이브리드 딥 네트워크 네트워크 학습 – 적절한 라이브러리, 아키텍처 정의 네트워크 튜닝 – 초기화, 활성화 기능 , 손실 함수, 최적화 방법 과적합 방지 – 심층 네트워크의 과적합 문제 감지, 정규화 심층 네트워크 평가 Python의 사례 연구 이미지 인식 – CNN Autoencoders를 사용한 이상 징후 감지 RNN을 사용한 시계열 예측 Autoencoder를 사용한 차원 감소 RBM을 사용한 분류
Requirements
기계 학습, 시스템 아키텍처 및 프로그래밍 언어에 대한 지식/감상이 바람직합니다.
14 Hours