가장 넓게 배우는 딥러닝 - 인공신경망 첫걸음부터 AutoML까지 한 번에

클래스 소개
난이도
보통
카테고리
프로그래밍 - 인공지능
태그
데이터 분석, 데이터베이스, 딥러닝, 머신러닝, 빅데이터, 인공지능, 장고, 텐서플로우, 통계, 파이썬
소요 시간
약 30시간
추천 학습대상
- 딥러닝의 원리를 가장 쉽게 이해하고 인공신경망을 직접 구현하고 싶은 분
- Tensorflow와 Keras를 활용한 딥러닝 예측모델 구현을 단계별로 익히고 싶은 분
- 인공지능의 각 분야 중 진출하고 싶은 분야를 찾고자 고민 중이신 분
- 인공지능 예측모델을 활용한 프로젝트들을 진행해 포트폴리오를 구성하고 싶은 분



🧠

가장 넓게 배우는 딥러닝
#인공신경망 첫걸음부터 AutoML까지 한 번에

🎁




💡 언젠가 배워야겠다고 계속 미뤄두었던 파이썬, 어디서부터 어떻게 학습을 시작해야 할지 길을 찾아 헤매셨다면 바로 여기서 시작해보세요!

💡 삼성전자 삼성리서치, 페이스북 이노베이션랩, 멀티캠퍼스 패스트캠퍼스, 서울대학교 등 5,000명이 넘는 수강생을 대상으로 검증을 마친 강의를 한 곳에 모았습니다!

💡 파이썬의 기본 문법부터 웹 스크레이핑, 데이터 분석 & 시각화, 머신러닝 & 딥러닝, 웹 프로그래밍, 업무 자동화까지, 170시간이 넘는 강의를 통해 차근차근 꼼꼼하게, 그러나 가장 쉽게 정복해보세요!







📖
가장 넓게 배우는 딥러닝 과정은?

인공 지능 프로그래밍에 대한 중급 수준의 과정으로
이론, 실습, 동영상 강의로 구성되어 코딩 초보자도 무리 없이 완주하실 수 있습니다.





🎓
과정 소개




📖

Chapter 3 : 가장 넓게 배우는 딥러닝 - 인공신경망 첫걸음부터 AutoML까지 한 번에 PART 6-1 | 딥러닝 핵심 개념 & 딥러닝 최적화 이론 (9시간+) PART 6-2 | Tensorflow를 활용한 파이썬 딥러닝 실습 (21시간+)



파이썬 A-Z 올인원 시리즈의 세번째 챕터, [ Chapter 3 : 가장 넓게 배우는 딥러닝 ]은 크게 2가지 파트로 구성되어 있습니다. (30시간 이상의 콘텐츠) 💡 Part 6-1에서는 인공신경망을 활용한 머신러닝 기법인 딥러닝의 핵심 개념들과 성능 향상을 위한 최적화 기법들을 학습합니다. 앞선 챕터에서 학습하였던 머신러닝의 코어 지식들을 확장하여 대망의 딥러닝과 처음으로 인사를 나누는 파트입니다! 전통적인 머신러닝과 인공신경망 기반의 딥러닝이 어떻게 차이가 나는지를 배우면서
실용적인 관점에서 업무의 종류에 따라 어떤 모델을 활용하는 것이 좋을지 인사이트를 익혀봅니다. 인공신경망의 가장 작은 최소 단위인 퍼셉트론(Perceptron)의 탄생과 발전 과정을 “왜?”, 그리고 “어떻게?”의 관점에서 차근차근 살펴보며, 딥러닝의 높은 성능을 끌어낸 근간의 작동 원리를 아주 쉽게, 그러나 잊어버릴 수 없도록 배워보겠습니다. 더불어 인공신경망을 활용한 딥러닝을 실용적으로 적용할 때 만나는 문제점들을 해결하기 위한 고급 기법들
논문보다 훨씬 쉬운 언어들로 풀어서 학습해보아요! 💡 Part 6-2에서는 앞서 배운 인공신경망에 대한 지식들을 한 땀 한 땀 코드로 작성해가며 딥러닝 예측 모델의 구현을 학습합니다. 딥러닝 모델을 구현하기 위해 활용되는 가장 유명한 도구 중 하나인 Tensorflow & Keras를 활용하여, 가장 직관적인 회귀 & 분류 모델을 만드는 과정을 통해 인공신경망의 부품들을 꼼꼼하게 조립해봅니다. (PyTorch는 다섯번째 챕터에서 다루게되니 기대해주세요!) 이어서 컴퓨터 비전, 자연어 처리, 생성 모델 등 다양한 분야별로 딥러닝이 어떻게 활용되고 있는지, 구체적으로 각 분야에 대한 학습을 이어가려면 어디서부터 시작해야 할지 둘러본 다음, 베이지안 하이퍼파라미터 튜닝, PyCaret & Keras-tuner를 활용한 AutoML, 전이 학습과 모델 경량화
방대하고 전문적인 추가 실습들을 함께 배워보겠습니다. 파트 말미에는 자동 얼굴 & 물체 검출, 자동 번역, 자동 음성인식, 자동 매크로, 자동 문자메시지 발송
인공지능 예측모델을 활용한 프로젝트를 위한 다양한 도구들까지 추가로 가르쳐드릴게요!











🧑‍🏫
강사소개

조대연 강사
5,000명이 넘는 수강생들을 8,000시간 가까이 가르쳐 왔습니다.
차곡차곡 쌓인 노하우를 한 곳에 모아 프로그래밍의 P도 모르지만 파이썬도 배우고 싶고
머신러닝 & 딥러닝도 배워보고 싶은 분들을 위한 수업을 만들었습니다!
머신러닝과 딥러닝의 이해를 위한 가장 중심이 되는 개념들을 누구보다 쉽게 가르쳐드리고,
함께 단계별로 진행하는 실습과 방대한 추가 학습 자료들을 통해 강의 종료 후 스스로 학습해나가실 수 있도록 방향을 잡아드립니다 :)

비전공자 출신으로 프로그래밍을 처음 공부하는 입장에서 겪는 어려움을 잘 알고 있습니다.
문과생 & 인문학도의 자세로 세심하고 디테일하게, 무엇을 왜, 그리고 어떻게 배워야 하는지
가장 쉽고 직관적으로 이해할 수 있도록 차근차근 가르쳐드리겠습니다!


📚
강사 약력

✔삼성전자 삼성리서치 현직 엔지니어 대상 머신러닝 & 딥러닝 강의 (1,000명+)
✔고용노동부 K-Digital Training 인공지능 통합과정 1기~5기 교육
✔각종 기업 교육 진행 (KBS, KT DS, 페이스북 이노베이션랩, 솔트룩스, 패스트캠퍼스, 멀티캠퍼스, 멋쟁이사자처럼 등)
✔각종 대학 교육 진행 (서울대, 경희대, 연세대, 중앙대, 건국대, 가톨릭대, 서울예술대, 고려사이버대, 세종사이버대 등)
✔각종 기관 교육 진행 (서울산업진흥원, 한국콘텐츠진흥원, 한국인터넷진흥원, 한국정보화진흥원, 서울주택도시공사, 경찰청, 경기도 등)
✔(재)이노베이션아카데미 소프트웨어개발자 현업 멘토단 (42Seoul)
✔한국과학기술기획평가원 미래유망기술 후보 발굴 및 기술 분석단 (AutoML & Explainable AI)
✔서울대학교 영상의학과 연구원
✔오피스비긴 대표
✔서울대학교 경영학 전공



😍
강의 후기

알찬 내용에 감동, 눈높이에 맞춘 강의 과정도 만족
입사 이후 받았던 수많은 교육들 중 손꼽을 정도로 만족합니다.
식을 순차적으로 해석하며 이해를 높여주는 수업이라 좋습니다
강사님께서 입문자의 입장에서, 그리고 현재 수강생의 수준을 잘 파악하고 계신 것 같다는 생각이 들었습니다. 강의 내용도 잘 이해되어서 좋았습니다.
지금까지 강사님 중 가장 좋았습니다. 저희 수업 진도가 어디까지 나가있는지, 어느수준까지 배웠는지를 미리 파악해 오셔서 거기에 맞춘 수업을 진행해주셔서 진짜 알차게 시간 보낸 것 같습니다.
쉽게 설명을 잘 해주셔서 이해가 잘 되고 앞으로의 전망에 대해서도 추가적으로 말씀해주셔서 시야를 넓히면서 학습할 수 있어서 좋습니다
역대 강사님 중 최고.
딥러닝의 낯섦과 어려움의 콜라보 속에서도 한걸음 한걸음 나아갈 수 있게 이끌어 주셔서 만족스러운 강의였습니다. 엄선한 부가 공부 거리도 촤르륵 펼쳐주고 가신 점도 좋았습니다.
엄청 열정적으로 알아듣기 쉽게 강의해주셔서 감사드린다고 전해주세요.
교육 내용도 너무 이론적이지도 않고 너무 실무적이지도 않는 딱 균형잡힌 교육이었던것 같습니다.
복잡한 수식/알고리즘에 대한 완벽한 설명보다는 동작 방식에 대한 인사이트를 주는 방식의 설명을 해주어서 도움이 많이 된 수업같습니다.
실제로 적용 가능한 수준에서 다양한 실습을 통한 설명으로 쉽게 접근하고 이해하기에 좋았던 것 같습니다.
어렴풋이 알고 있던 내용에 대해서 조금 더 명확하게 이해할 수 있게 되었고, 전반적인 연구 동향 파악 및 심화 학습을 위한 자료들을 얻게 된 것 같습니다.
어려운 내용을 파고들기보다는 교육이 끝나고 나중에 필요할 때 혼자 보면서 실습해볼 만한 자료와 그에 대한 설명을 잘해주신 부분이 만족스럽습니다.



교육 과정
모두 펼치기
  • 01
    part 6 - 1
  • 01강. 전통적인 머신러닝 리뷰
    02강. 전통적인 머신러닝 vs 딥러닝 - 전이학습이란 & 딥러닝 발전의 3가지 토대
    03강. 전통적인 머신러닝 vs 딥러닝 - 전통적인 머신러닝과 딥러닝의 차이점
    04강. 딥러닝 핵심 개념 이해 - Perception의 2가지 연산과 비선형 함수
    05강. 딥러닝 핵심 개념 이해 - Activation functions(활성화함수) & ReLU
    06강. 딥러닝 핵심 개념 이해 - XOR 문제와 Multi-Layer Perceptron
    07강. 딥러닝 핵심 개념 이해 - 인공신경망 내부의 계산 프로세스 요약
    08강. 딥러닝 핵심 개념 이해 - Tensorflow Playground
    09강. Neural Network Optimization 1 - Weight Initialization
    10강. Neural Network Optimization 2 - Weight Regularization
    11강. Neural Network Optimization 3 - Mini-Batch GD & Adam optimizer
    12강. Avoiding overfitting 1 - Dropout
    13강. Avoiding overfitting 2 - Batch Normalization
    14강. DL Hyper-params & Transfer-learning + Deep Double Descent
  • 02
    part 6 - 2
  • 00강. 인공신경망 핵심이론 & 최적화 기법 리뷰
    01강. Introduction to Tensorflow
    02강. Tensorflow's Session & Graph execution
    03강. Tensorflow v1 - Linear Regression
    04강. Tensorflow v1 (Regression) - 2-Layer Neural-Network 1
    05강. Tensorflow v1 (Regression) - 2-Layer Neural-Network 2
    06강. Tensorflow v1 (Classification) - Placeholder
    07강. Tensorflow v1 (Classification) - 실습 소개
    08강. Tensorflow v1 (Classification) - Mini-batch & Placeholder 적용
    09강. Tensorflow v1 (Classification) - Dropout 적용
    10강. Tensorflow v1 (Classification) - Batch-Normalization & He initialization 적용
    11강. Tensorflow v2 - tf.keras Basic
    12강. Tensorflow v2 - Flatten layer 활용법 & Auto-Keras 소개
    13강. Tensorflow v2 - Batch-Normalization 적용
    14강. Tensorflow v2 - Keras Callbacks & ModelCheckpoint
    15강. Tensorflow v2 - Classification & Regression 요약
    16강. Tensorflow v2 - Universal Approximation Theorem & Statsmodels
    17강. 분야별 딥러닝 활용 사례 1 - Convolutional Neural Network 이론
    18강. 분야별 딥러닝 활용 사례 2 - Convolutional Neural Network 참고 자료
    19강. 분야별 딥러닝 활용 사례 3 - Convolutional Neural Network 구현 실습
    20강. 분야별 딥러닝 활용 사례 4
    21강. 분야별 딥러닝 활용 사례 5
    22강. MLDL 관련 추가 실습 1 - Bayesian-Search HPO with Scikit-Optimize
    23강. MLDL 관련 추가 실습 2 - Tensorboard & Colab with GoogleDrive
    24강. MLDL 관련 추가 실습 3 - Pycaret for AutoML
    25강. MLDL 관련 추가 실습 4 - Keras-Tuner for AutoML
    26강. MLDL 관련 추가 실습 5 - Fashion-MNIST & flow_from_directory
    27강. MLDL 관련 추가 실습 6 - CIFAR-10 & Transfer-Learning
    28강. MLDL 관련 추가 실습 7 - TFLite & Model Quantization
    29강. MLDL 관련 추가 실습 8 - PCA for BreastCancer & Cifar10 (part5 보충 실습)
    30강. MLDL 관련 추가 실습 9 - PyTorch 기반 딥러닝 모델 구현
    부록 실습 1 - cvlib을 활용한 편리한 얼굴 & 물체 검출
    부록 실습 2 - 네이버 Clova & Papago API를 활용한 얼굴인식 & 자동번역
    부록 실습 3 - 음성인식을 위한 SpeechRecognition + 매크로를 위한 PyAutoGUI
    부록 실습 4 - 이메일 & 문자메시지 자동발송 + Pyinstaller
    추가 학습 자료 소개
마지막 업데이트|2024년 07월 19일
강의자 소개
구름은 '모두가 개발자가 된다'라는 비전으로 언제 어디서나 AI∙SW 개발을 배우고, 원하는 결과물을 구현할 수 있도록 '개발자 성장 중심'의 생태계를 만들어 나가고 있습니다. - 누구에게나 열린 기회를 제공하고 - 입문자의 진입장벽을 낮추며 - 상생하는 생태계를 만들어갑니다.

강좌 후기
249,000

평균평점
0.0
난이도
보통
수강기간
평생 무제한
소요 시간
약 30시간