강좌안내
GREETING강좌안내
- 강좌기간 :
2024년 05월 20일 부터 2024년 05월 31일 까지
- 강좌일정 :
(월~금) 19:00~21:00(총 20시간)
- 강좌구분 :
정기강좌
- 강사명 :
최지민 강의계획서 보기
- 프로필 :
- 수강인원 :
최대 30명
- 강의실 :
N5 2269호
- 교재 :
강사의 강의자료
강좌신청
-
-
-
-
-
결제 예정금액320,000₩
상세정보
ㅇ 학습목표 : Pytorch를 사용하여 딥러닝의 기본 개념을 이해하고, 간단한 신경망 모델을 구축하고 학습시키는 능력 학습ㅇ 강의내용
1. 딥러닝 개요 및 Pytorch 소개
- 딥러닝의 기본 개념 및 Pytorch 환경 설정
2. Pytorch 기초 연산
2. Pytorch 기초 연산
- Pytorch 텐서 연산 및 그래디언트 계산 이해
3. 인공신경망 구조 이해
3. 인공신경망 구조 이해
- 인공신경망의 개념과 구조 및 다층 퍼셉트론 구현
4. 인공신경망 구현 및 학습
4. 인공신경망 구현 및 학습
- Pytorch를 사용한 간단한 신경망 구현
5. 모델 학습의 문제와 방지 기법 (1)
5. 모델 학습의 문제와 방지 기법 (1)
- 과적합, 데이터 불균형, 컴퓨팅 자원 부족과 같은 문제 소개
6. 모델 학습의 문제와 방지 기법 (2)
6. 모델 학습의 문제와 방지 기법 (2)
- 드롭아웃, 데이터 증강, 전이 학습과 같은 해결 기법 구현
7. 이미지 처리와 합성곱 신경망 (1)
7. 이미지 처리와 합성곱 신경망 (1)
- 간단한 이미지 처리와 합성곱 연산을 활용한 신경망 구현
8. 이미지 처리와 합성곱 신경망 (2)
8. 이미지 처리와 합성곱 신경망 (2)
- 실제 데이터를 활용한 이미지 분류 신경망 학습
9. 시계열 데이터와 순환 신경망 (1)
9. 시계열 데이터와 순환 신경망 (1)
- 시계열 데이터의 특성 및 순환 신경망 구조 학습
1. 시계열 데이터와 순환 신경망 (2)
1. 시계열 데이터와 순환 신경망 (2)
- LSTM과 GRU를 활용한 시계열 데이터 학습