문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
딥러닝 개론
- 딥러닝의 정의 및 전통적인 머신러닝과의 차이점
- 컴퓨터 비전, 자연어 처리 등 다양한 실제 활용 사례 소개
- 딥러닝 생태계 개요: TensorFlow 2.x, Keras, PyTorch 등
- GPU 기반 개발 환경 설정 방법
딥러닝의 핵심 메커니즘
- 인공 신경세포, 활성화 함수 및 네트워크 레이어 설명
- 순전파 과정과 예측값 계산 방법
- 분류 및 회귀 문제에 적용되는 손실 함수 종류
- 경사 하강법 최적화와 역전파 알고리즘 이해하기
- MNIST 데이터셋을 이용해 첫 번째 신경망 훈련시키기
컴퓨터 비전용 합성곱 신경망(CNN)
- 콘볼루션 연산, 필터 및 특징 맵 개념 파악하기
- 풀링 레이어와 차원 축소 원리 설명
- LeNet, VGG, ResNet 등 주요 CNN 아키텍처 소개
- 이미지 분류를 위한 CNN 모델 구축 및 훈련하기
- 모델 내 학습된 특징과 중간 단계의 활성화값 시각화 방법
데이터 증강 기법을 통한 모델 정확도 향상
- 데이터 증강이 과적합 방지 및 일반화 성능 개선에 어떤 도움을 주는가?
- 회전, 뒤집기, 확대축소, 자르기 등 이미지 변형 방법들
- Keras 전처리 레이어를 활용한 증강 파이프라인 구현법
- 드롭아웃, 배치 정규화 및 기타 정규화 기술 설명
- 검증 지표와 조기 종료 기법을 이용해 훈련 과정 모니터링하기
사전 학습된 모델 활용한 전이학습
- 전이학습의 개념 및 그 효과가 발생하는 이유 설명
- Keras Applications을 통해 ResNet, EfficientNet, MobileNet 등 사전 학습 모델 불러오기
- 기본 레이어 고정 후 새로운 분류기 훈련시키는 방법
- 도메인 특성에 맞게 일부 레이어만 해제하여 세밀 조정하기
- 제한된 학습 데이터로도 높은 정확도 확보하는 전략
순환 신경망과 순차 데이터 모델링
- 시계열 자료 및 시간적 의존성 개념 이해하기
- 순환 신경망(RNN)의 원리와 경사 소실 문제 설명
- 장기적인 상호관계를 모델링하는 LSTM, GRU 셀 활용법
- 문자 수준 텍스트 생성 모델을 직접 훈련시켜보기
- Keras에서 워드 임베딩 및 Embedding 레이어 사용 방법
자연어 처리의 기초 개념
- 토큰화, 패딩 처리, 어휘집 구성 등 텍스트 전처리 절차
- RNN 및 LSTM을 이용해 텍스트 분류기 제작하기
- 머신 번역의 기본 개념을 배우는 시퀀스-투-시퀀스 모델 설명
- 현대 자연어 처리에서 핵심적인 역할을 하는 어텐션 메커니즘 소개
- TensorFlow 2.x의 텍스트 처리 API를 활용한 실제 응용 사례들
최종 프로젝트: 이미지 캡션 생성 시스템 구축
- 컴퓨터 비전과 자연어 처리 기술을 결합한 멀티모달 아키텍처 설계
- 사전 학습된 CNN 인코더를 활용해 이미지 특징 추출하기
- LSTM 기반 디코더를 이용해 캡션 생성 모델 만들기
- Keras Functional API에서 여러 입력 레이어를 효율적으로 통합 관리하기
- 최종적인 이미지-캡션 매칭 시스템 훈련 및 평가 진행하기
향후 학습 방향과 자료 안내
- 학습 완료 모델을 실제 환경에 배포하는 방법: TensorFlow Serving 활용법
- 변압기 아키텍처와 대규모 언어 모델 탐색하기
- NVIDIA DLI에서 제공하는 심화 워크숍 및 자격증 취득 경로 소개
- 커뮤니티 내 활용 가능한 학습 자료, 데이터셋 및 프로젝트 아이디어 정리
요건
- Python 프로그래밍에 대한 기본 지식 (함수, 반복문, 딕셔너리, 배열 등)
- 변수, 조건문, 자료구조와 같은 프로그래밍 개념에 익숙함
- 딥러닝이나 머신러닝 관련 경험은 전혀 필요하지 않음
수강 대상
- AI 및 머신러닝 분야로 진출하려는 소프트웨어 개발자와 엔지니어
- 딥러닝 기술을 배우고자 하는 데이터 분석가 및 데이터 사이언티스트
- 신경망 모델의 원리와 활용법을 이해하고 싶은 기술 전문가들
- 딥러닝 분야에 처음 발을 들이는 학생 및 연구자들
8 시간
회원 평가 (2)
훈련은 체계적으로 구성되어 잘 계획되었으며, 이를 통해 시스템화된 지식을 획득하고 우리가 다룬 주제들을 깊이 이해할 수 있었습니다.
Magdalena - Samsung Electronics Polska Sp. z o.o.
코스 - Deep Learning with TensorFlow 2
기계 번역됨
CHAT GPT를 활용해 놀았던 마지막 부분이 정말 좋았습니다. 그러나 방의 배치가 이에 적합하지 않았는데, 하나의 큰 테이블 대신 작은 테이블 몇 개를 사용하여 소그룹으로 나누어 브레인스토밍을 할 수 있었으면 더 도움이 되었을 것입니다.
Nola - Laramie County Community College
코스 - Artificial Intelligence (AI) Overview
기계 번역됨
