여기를 클릭하면, 샘플강의가 재생됩니다.
강좌코드 : la_P050441
이성용 강사
- - 조선대학교 컴퓨터공학과 졸업
- - 롯데캐논 컴퓨터사업부
- - 에이스정보기술
- - 디지털미디어솔루션
- - 코리아네트웍
- - 아이티고 이러닝 강사
딥러닝 전문가 과정 (Pytorch 초급) Part.4 (完)
담당강사 : 이성용
| 강의구성 | 총 10강좌 (강의시간 : 총 ) | 권장 수강기간 | 30일 |
|---|---|---|---|
| 강의형식 | 동영상 | 증빙서류 |
이 강좌의 80% 이상 수강 시 출력이 가능합니다. |
- 과정소개
- -. CNN을 통한 이미지 인식 모델의 구축 및 학습부터 텍스트 생성과 어텐션 메커니즘 등 트랜스포머의 기초 원리까지 실전 딥러닝 기술을 다루는 과정입니다
- 학습목표
- -. CNN의 공간적 특징 추출 원리를 이해하여 최적의 분류 모델을 설계하고, 임베딩과 QKV 기반의 어텐션 알고리즘을 통해 생성형 모델의 텍스트 생성 원리를 파악합니다
- 교육대상
- -. 완전 연결층 등 기초 신경망 지식을 보유하고, 파이토치를 활용한 실전 CNN 구현 및 트랜스포머(생성형 AI)의 내부 동작 원리를 깊이 있게 배우고자 하는 학습자입니다
차시별 학습목표
- 01. 완전 연결층의 한계를 극복하기 위해 공간적 관계를 파악하는 합성곱 연산의 원리를 이해한다.
- 02. 합성곱과 풀링 계층을 여러 겹 쌓아 특징을 추상화하고 선형층으로 분류하는 CNN 모델을 설계한다.
- 03. 가중치가 있는 계층과 없는 계층을 구분하여 파이토치에서 권장하는 효율적인 코딩 스타일을 익힌다.
- 04. 완성된 CNN 모델을 실제 데이터로 학습시키고 GPU 활용, 평가, 가중치 저장 및 불러오기를 수행한다.
- 05. 문제 특성에 맞춰 정보 압축 속도와 채널 수를 조절하는 효율적인 CNN 구조 설계 원칙을 이해한다.
- 06. 분류 모델과 생성 모델의 차이를 이해하고, 다음 토큰을 예측하는 자기지도 학습의 기본 개념을 파악한다.
- 07. 이전 글자 하나를 보고 다음 글자를 예측하는 통계 기반의 바이그램 언어 모델을 직접 구현한다.
- 08. 문자를 단순 인덱스가 아닌 의미와 속성을 지닌 다차원 벡터(임베딩)로 변환하는 원리와 목적을 학습한다.
- 09. 임베딩된 시퀀스 벡터를 선형 신경망에 통과시켜 학습하고 오토리그레시브 방식으로 문자열을 생성한다.
- 10. 긴 시퀀스의 정보 손실을 막고 문맥상 중요한 정보에 가중치를 부여하는 어텐션의 동작 원리를 파악한다.
- 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.