여기를 클릭하면, 샘플강의가 재생됩니다.
강좌코드 : la_P040119
이성용 강사
- - 조선대학교 컴퓨터공학과 졸업
- - 롯데캐논 컴퓨터사업부
- - 에이스정보기술
- - 디지털미디어솔루션
- - 코리아네트웍
- - 아이티고 이러닝 강사
Python(파이썬)으로 배우는 Deep Learning(딥러닝) 중급 Part.1
담당강사 : 이성용
| 강의구성 | 총 13강좌 (강의시간 : 총 ) | 권장 수강기간 | 30일 |
|---|---|---|---|
| 강의형식 | 동영상 | 증빙서류 |
이 강좌의 80% 이상 수강 시 출력이 가능합니다. |
- 과정소개
- 딥러닝의 발전 역사부터 퍼셉트론, 손실 함수, 경사하강법 등 핵심 원리를 파헤치고, 파이썬과 넘파이를 활용해 인공 신경망 엔진을 밑바닥부터 직접 구현하는 중급 과정입니다 .
- 학습목표
- 다층 신경망의 구조를 이해하고, 미분과 경사하강법을 통한 가중치 최적화 원리를 습득하여 데이터로부터 스스로 학습하는 딥러닝 엔진을 코드로 완벽하게 구현해내는 것입니다 .
- 교육대상
- 딥러닝 기초와 파이썬 코딩 능력을 갖추고 있으며, 단순 라이브러리 활용을 넘어 AI의 내부 작동 원리와 수학적 메커니즘을 뼈대부터 깊이 있게 이해하고 싶은 분들입니다 .
차시별 학습목표
- 01. 시각 체계에서 영감을 받은 딥러닝의 본질과 기계 시각 기술의 발전 과정을 이해한다.
- 02. 단어의 맥락적 의미를 파악하고 자연어를 숫자로 변환하는 벡터화 기법을 학습한다.
- 03. 생성자와 판별자가 경쟁하는 GAN의 원리와 잠재 공간을 통한 이미지 생성법을 배운다.
- 04. 인공 신경망의 뼈대인 퍼셉트론의 동작 원리를 이해하고 기본 논리 게이트를 파이썬으로 구현한다.
- 05. 다양한 활성화 함수의 수학적 특징을 비교하고, 파이썬과 넘파이를 활용해 이를 구현해본다.
- 06. 다차원 배열의 행렬 곱셈 규칙을 바탕으로 신경망의 순방향(Forward) 데이터 전달 방식을 구축한다.
- 07. 문제 유형(회귀/분류)에 맞는 출력층 함수를 선택하고, 다중 분류를 위한 소프트맥스 함수를 이해한다.
- 08. 최적의 매개변수를 찾아가는 데이터 주도 학습의 필요성과 오차를 측정하는 손실 함수의 원리를 알아본다.
- 09. 실전 분류 문제에 널리 쓰이는 교차 엔트로피 오차를 이해하고, 대량 데이터 처리를 위한 미니 배치 기법을 배운다.
- 10. 신경망 오차를 줄이기 위한 미분, 편미분 개념과 기울기를 따라 최적점을 찾는 경사 하강법 원리를 이해한다.
- 11. 다차원 배열의 편미분을 코드로 구현하고, 경사 하강법 알고리즘을 적용하여 함수의 최솟값을 도출한다.
- 12. 완전한 2층 신경망을 클래스 구조로 설계하고, 손실 함수에 대한 가중치 편미분(기울기)을 직접 계산한다.
- 13. 구축한 2층 신경망에 MNIST 데이터를 넣어 미니 배치 단위로 학습시키고 모델의 최종 정확도를 평가한다.
- 참고사항
- - 수강 기간 중 언제든지 반복 수강이 가능합니다.
- - 수강 여부 : 해당 차시의 80%를 수강하면 (회색) 배경으로 표시됩니다.
- - 수강 신청 완료 후 수강할 수 있습니다.
- - 즐겨찾기 한 강좌는 MY Class에서 확인할 수 있습니다.