과정정보
교육소개
본 과정에서는 PyTorch를 통해 딥러닝 기초 이론을 배우고, 컴퓨터 비전 및 시퀀스 데이터 처리 방법에 대해 배운다
합성곱 신경망(CNN)과 순환신경망(RNN)에 대해 이론을 학습한다.
인공신경망, 합성곱 신경망, 순환 신경망 구축 방법을 PyTorch 통해 실습한다.
학습목표
PyTorch를 통해 인공신경망, CNN, RNN을 구축하고 이해한다.
인공신경망의 원리와 활용 방법에 대해 배운다.
학습대상
PyTorch로 딥러닝 제대로 배우기 기초편 학습자
PyTorch에 기초 지식이 있는 학습자
Python에 대한 기본 지식이 있는 학습자
강사 및 내용전문가 소개
김동희
평가비율 및 수료기준
학습목차
2
Pytorch 특징, 개발 환경, Colab 실습
-
Pytorch 특징, 개발 환경, Colab 실습
4
머신러닝에서 오차측청 방법, 머신러닝에서 최적화 방법
-
머신러닝에서 오차측청 방법, 머신러닝에서 최적화 방법
5
다양한 loss 함수 활용하기, 다양한 최적화 함수 활용하기, 학습의 전체 Flow 실습
-
다양한 loss 함수 활용하기, 다양한 최적화 함수 활용하기, 학습의 전체 Flow 실습
6
인공신경망 기본 원리 학습, 활성화 함수 학습
-
인공신경망 기본 원리 학습, 활성화 함수 학습
7
다양한 활성화 함수 실습, 다양한 최적화 함수 실습
-
다양한 활성화 함수 실습, 다양한 최적화 함수 실습
8
데이터에 대해 이해, 인코딩의 필요성 학습
-
데이터에 대해 이해, 인코딩의 필요성 학습
9
PyTorch의 Dataset 클래스 학습, PyTorch의 Dataloader 클래스 학습
-
PyTorch의 Dataset 클래스 학습, PyTorch의 Dataloader 클래스 학습
10
다양한 데이터 셋 활용, Cifar-10 데이터 호출 실습, Cifar-100 데이터 호출 실습
-
다양한 데이터 셋 활용, Cifar-10 데이터 호출 실습, Cifar-100 데이터 호출 실습
수강후기
연관과정
동일 카테고리 내 인기과정
