과정정보
교육소개
이제부터가 진짜 딥러닝이다! DNN, CNN, RNN을 활용해 실제 딥러닝 활용 역량을 길러보자.
학습목표
1. 딥러닝의 알고리즘 종류인 DNN을 활용한 글씨 분류 프로젝트에 대해 알 수 있다.
2. CNN(합성곱 신경망)을 활용한 글씨 분류 프로젝트를 알고 활용할 수 있다.
3. RNN(순환 신경망)을 활용한 영화 리뷰 분석을 수행할 수 있다.
학습대상
- 딥러닝의 기초 활용을 넘어 실제 IT기업들이 활용하고 있는 고급 인공지능 분석 역량을 갖추고 싶은 실무자
- 리뷰 및 시장조사 등 방대한 인터넷 안의 데이터를 효과적으로 활용하고 싶은 마케터
- 본격적인 딥러닝 활용 역량을 갖춰 창업/이직/취업 등을 달성하고 싶은 모든 사람
강사 및 내용전문가 소개
평가비율 및 수료기준
학습목차
1
딥러닝 실무 개요
-
START
-
딥러닝 개발 과정
-
코드로 알아보는 딥러닝 개발 과정
-
딥러닝 알고리즘의 종류
-
데이터 준비를 위한 데이터 전처리
2
다중 분류 예측
-
START
-
다중 분류를 위한 데이터셋 살펴보기
-
다중 분류 예측을 위한 데이터 탐색
-
다중 분류 예측 모델 설계와 실행
3
다중선형회귀 모델
-
START
-
다중선형회귀의 개념과 데이터 표준화
-
다중선형회귀 모델 설계와 예측
-
K-Fold를 이용한 교차 검증
4
MNIST 인식 실습
-
START
-
예측을 위한 MNIST 손글씨 데이터 살펴보기
-
MNIST 손글씨 데이터 전처리와 모델 정의
-
혼동 행렬과 학습 과정 시각화
5
CNN 구성요소와 연산
-
START
-
합성곱신경망(CNN)의 개요
-
스트라이드, 필터와 CNN의 연산 과정
-
연산을 위한 풀링과 드롭아웃
6
CNN을 이용한 MNIST 인식
-
START
-
EarlyStopping 콜백
-
CNN을 이용한 MNIST 손글씨 인식
-
MNIST 손글씨 모델 평가와 시각화
-
내가 만든 모델 저장하기
7
RNN과 LSTM
-
START
-
순환신경망(RNN)의 특징
-
IMDB 데이터셋을 활용한 RNN 실습
-
LSTM의 원리와 특징
-
LSTM을 이용한 뉴스 카테고리 분류
수강후기
연관과정
동일 카테고리 내 인기과정
