🦁

인공지능 중고급과정2 (160H)

2 more properties
본 교육과정은 [인공지능 중고급과정]으로 총 160시간, 8주의 기간동안 딥러닝의 전반적인 내용에 대해 학습합니다.
✔️ 학습 대상
딥러닝을 장기적으로 생각하여 기본기를 탄탄히 만들고 싶은 분
인공지능에 적용되는 수학을 배우고 싶은 분
프로그램 구현 능력을 크게 향상시키고 싶은 분
✔️ 수강 인원
총 1개 클래스 20명
✔️ 추천 대상
파이썬에 대한 기초 지식이 있는 분
딥러닝의 기본기를 탄탄히 다지고 싶은 분
심화된 딥러닝 이론에 도전하고 싶은 분
인공지능 프로젝트를 경험해 보고 싶은 분
인공지능 분야를 목표로 취업을 준비하고 있는 분
✔️ 강의 목표
특정 Deep Learning Framework에 국한되지 않는 딥러닝의 기본기를 배웁니다.
뉴럴 네트워크의 학습과 관련된 수학적 지식을 이해합니다.
딥러닝 네트워크의 연산 원리와 학습 원리를 이해합니다.
인공 신경부터 Convolutional Neural Network까지 NumPy로 처음부터 구현하여 개념을 완벽히 이해합니다.
뉴럴 네트워크의 학습 과정을 분석하며 뉴럴 네트워크를 개선시키는 테크닉들을 이해합니 다.
🔥
인공지능 중고급과정 160시간, 8주 기간의 교육 커리큘럼 ※ 과정 시작 후 상황에 따라 커리큘럼 내 세부 내용은 변동될 수 있습니다
인공지능 중고급과정2 (160H)
Search
교육과정명
주요 내용
학습 주요 기술
Python - NumPy, Matplotlib
Open
ㅇ NumPy 심화 - Neural network 만들기 - NumPy 심화 ㅇ Matplotlib - 데이터의 특징 - 데이터 시각화
- NumPy - Matplotlib
뉴럴 네트워크의 연산
Open
ㅇ 이미지 분류를 위한 뉴럴 네트워크 연산의 이해 - artificial neuron, dense layer, conv layer, pooling layer의 연산 - 목적에 맞게 loss를 구하는 과정 ㅇ 수학적으로 표현하는 방법 - 각 레이어들을 NumPy를 이용하여 구현
- 뉴럴네트워크의 연산 이해
Backpropagation과 야코비안 행렬
Open
ㅇ 뉴럴 네트워크 parameter 학습 원리 - Gradient-based learning의 개념 - multi-variate function, vector function에 대한 chain rule - backpropagation 구현
- parameter 학습 원리
Gradient-based Linear / Logistic Regression
Open
ㅇ 인공신경 학습 과정 분석 - 실제 학습이 일어나는 모습 관찰 - 효율적인 학습을 위한 테크닉 - 실제 학습 과정 분석과 구현 및 시각화
- 학습이 일어나는 과정
Multilayer Perceptrons
Open
ㅇ multilayer perceptron 원리 이해 - 복잡한 decision boundary를 만드는 과정
- multilayer perceptron의 원리
Convolutional Neural Networks
Open
ㅇ convolutional layer의 원리 이해 - low-pass, high-pass filter 이해 및 feature를 뽑는 과정 - convolutional layer의 학습원리 - convolutional neural network 이해 ㅇCNN 논문 - CNN 논문을 통한 개념 복습
- CNN
Deep Learning Frameworks
Open
ㅇ 이미지 분류를 위한 뉴럴 네트워크 구현 - TensorFlow - PyTorch
- TensorFlow - PyTorch
Project
Open
ㅇ Final Project - 배운 내용을 바탕으로 팀별로 프로젝트 진행
COUNT9