강의 계획서
기초 딥러닝 이론을 익히고 AI 모델 구현 역량을 높이고자 하는 분을 위해 실제 데이터를 활용하여 모델 실습을 진행합니다.
[어떤 것을 배우나요?]
•
PyTorch 프레임워크와 클래스 선언 방식을 활용한 체계적인 딥러닝 모델 설계 및 구현
•
CNN과 RNN의 구조적 원리를 바탕으로 한 이미지 모델링 및 자연어 처리(토큰화, 임베딩) 실습
•
Autoencoder 구조 이해를 통해 지도학습과 차별화된 비지도 학습 모델링 및 평가 과정 습득
어떤 사람에게 추천하나요?
[이런 분께 추천합니다]
•
머신러닝과 딥러닝의 기본기를 다졌으며, 현대 인공지능의 핵심인 CNN, RNN, 비지도 학습의 실전 모델링 역량을 깊이 있게 쌓고 싶으신 분
•
PyTorch를 기반으로 다양한 데이터 유형(이미지, 텍스트)에 따른 구조적 알고리즘을 단계별로 구현해 보고 싶으신 분
•
AI와 Deep Learning에 관심이 많으신 분
•
데이터 사이언티스트 직무를 희망하시는 분
•
12기에 딥러닝 기초 (1)(딥러닝의 이해(1))을 수강하신 분
신청 전 확인하기!
•
본 강의는 딥러닝 이론과 실습을 중심으로 진행하며
기존적인 Python 활용 능력과 머신러닝 알고리즘에 대한 지식이 필요합니다.
해당 능력과 지식이 부족하다고 느끼시는 경우,
보다 원활한 수강을 위해 “데이터 분석 모델링반 (ML1)” 수강을 권장합니다.
권장 수업 페이지로 이동하기
커리큘럼 (10주차)
cf) 본 수업의 내용은 수업을 진행하면서 변동될 수 있습니다.