문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
1일차 - 인공 신경망
개요 및 인공 신경망의 구조
- 생물학적 뉴런과 인공 뉴런.
- 인공 신경망 모델.
- 인공 신경망에서 사용되는 활성화 함수.
- 일반적인 네트워크 아키텍처 유형.
수학적 기초 및 학습 메커니즘
- 벡터와 행렬 대수의 재검토.
- 상태 공간 개념.
- 최적화에 관한 이해.
- 오차 수정 기반 학습 방법.
- 기억 기반 학습 방식.
- 헤브의 학습 원리.
- 경쟁적 학습 메커니즘.
단층 퍼셉트론
- 퍼셉트론의 구조와 학습 과정.
- 패턴 분류기 – 개요 및 베이즈 분류법.
- 패턴 분류로서의 퍼셉트론 활용.
- 퍼셉트론의 수렴 성질.
- 퍼셉트론의 한계점.
피드포워드 인공 신경망
- 다층 피드포워드 네트워크 구조.
- 역전파 알고리즘 설명.
- 역전파 기법을 통한 훈련 및 수렴 결과.
- 역전파를 이용한 함수 근사 방법.
- 역전파 학습과 관련된 실제적·설계상 이슈들.
방사형 기저 함수(RBF) 네트워크
- 패턴 분리성 및 보간 기능.
- 정규화 이론에 대한 소개.
- 정규화와 RBF 네트워크의 관계.
- RBF 네트워크 설계 및 훈련 과정.
- RBF를 활용한 근사 성능 특성.
경쟁적 학습과 자기 조직화 신경망
- 일반적인 군집화 방법론.
- 학습 벡터 양자화(LVQ) 알고리즘.
- 경쟁적 학습을 위한 알고리즘 및 아키텍처.
- 자가 조직화 특성 지도 구조.
- 특성 지도의 속성 설명.
퍼지 신경망
- 뉴로-퍼지 시스템 개요.
- 퍼지 집합 및 논리에 관한 기초 내용.
- 퍼지 기반 모델 설계 과정.
- 인공 신경망과 퍼지를 결합한 설계 방식.
응용 사례
- 인공 신경망의 다양한 실제 활용 예시와 그 장점 및 문제점에 대해 논의합니다.
2일차 - 머신 러닝
- PAC 학습 프레임워크
- 유한 가설 집합 하에서의 수렴 보장 조건 – 일관적인 경우.
- 유한 가설 집합 하에서의 수렴 보장 조건 – 비일관적인 경우.
- 기본 개념 정리
- 결정론적 시나리오와 확률론적 시나리오의 차이점
- 베이즈 오차 및 노이즈 발생 원인
- 추정 오차와 근사 오차의 구분
- 모델 선정 기준에 대한 고찰
- 라드마허 복잡도 및 VC 차원 개념 설명.
- 편향-분산 트레이드오프와 그 중요성.
- 정규화 방법의 이해와 응용.
- 과적합 현상의 원인 및 방지 전략.
- 검증 절차와 그 의미 설명.
- 서포트 벡터 머신에 관한 기본 사항.
- 크리징(가우시안 프로세스 회귀) 원리.
- PCA 및 커널 PCA의 작동 방식.
- 자가 조직화 지도(SOM) 활용 방법.
- 커널에 의해 생성된 벡터 공간 개념 설명
- 머서 커널과 이를 통한 유사도 측정 방식
- 강화 학습의 기초와 적용 분야.
3일차 - 딥 러닝
1일차 및 2일차에서 다룬 내용을 바탕으로 딥 러닝 교육이 진행됩니다.
- 로지스틱 회귀와 소프트맥스 회귀 개념 설명.
- 희소 자동인코더의 작동 원리.
- 벡터화, PCA 및 화이트닝 기법 활용 예시.
- 자가 학습 방식과 그 적용 가능성.
- 딥 네트워크 구조와 설계 전략.
- 선형 디코더의 사용 방법.
- 컨볼루션 및 풀링 기술 정리.
- 희소 코딩 기법 개요.
- 독립 성분 분석(ICA) 기초 내용.
- 정준 상관 분석(Canonical Correlation Analysis) 원리.
- 실제 데모 시연 및 다양한 응용 사례 소개.
요건
수학에 대한 탄탄한 이해
기본 통계학에 대한 탄탄한 이해
기본적인 프로그래밍 기술은 필수 사항은 아니지만 권장됩니다.
21 시간
회원 평가 (2)
초점 있게 근본 원칙을 바탕으로 작업하고, 같은 날 내부 사례 연구를 적용하는 것
Maggie Webb - Department of Jobs, Regions, and Precincts
코스 - Artificial Neural Networks, Machine Learning, Deep Thinking
기계 번역됨
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
코스 - Artificial Neural Networks, Machine Learning, Deep Thinking
기계 번역됨
