- 머신러닝/딥러닝 개발 환경을 구축할 수 있다.
- 머신러닝과 딥러닝의 동작원리를 이해하고 구현 방법론을 습득한다
- 머신러닝/딥러닝 핵심 알고리즘의 기능 및 동작원리를 파악하고 이용할 수 있다.
- 딥러닝 신경망 학습 모델을 설계할 수 있고, 성능에 영향을 미치는 기술 요소를 습득한다.
교육내용
교육대상
수강 대상 가. AI 제품 기획/설계/기술지원/테스팅/감리/컨설팅 관련 자
나. 머신러닝/딥러닝 핵심 기초 기술을 습득하고자 하는 자
다. 머신러닝/딥러닝 구현 방법론을 습득하고자 하는 자
* 사전지식 : 파이썬 프로그래밍
신청 자격 협약기업 재직자(고용보험 납부) 및 회원사 재직자 지원가능
과정 수강 안내 1. 과정 개강/폐강 확정
개/폐강 여부는 개강 1주일 전에 확정됩니다. 추후 과정 확정 여부 및 기타 안내사항은 교육을 신청해주신 모든 분들에게 개별 안내 드립니다.
2. 교육 대기상태
교육 "대기"상태에서는 교육 승인상태가 아닙니다. 개강이 확정 된 후 교육 승인되신 분들은 교육 '확정' 상태로 변경됩니다. 3. 개강 안내
개강 안내 메일 및 문자는 개강 일주일 전에 발송됩니다.
과정 커리큘럼
1일차
가. 머신러닝과 딥러닝의 동작 원리
∙ 머신 러닝 개요와 프로젝트 프로세스 파악하기
∙ Linear Regression 학습 모델의 동작 이해하기
∙ Optimization과 경사하강법의 원리 이해하기
∙ Logistic Regression 학습 모델의 동작 이해
∙ 소프트맥스(Softmax)의 동작 이해하기
나. 머신러닝 학습 모델의 이해와 활용
∙ 머신러닝 지도 학습 모델의 이해와 활용하기
∙ 머신러닝 고성능&앙상블 모델의 이해하기
∙ 머신러닝 비지도 학습 모델이해와 구현하기
∙ 머신러닝 모델 성능 평가지표의 이해와 활용하기
2일차
나. 머신러닝 학습 모델의 이해와 활용
∙ 머신러닝 비지도 학습 모델이해와 응용구현하기
∙ 머신러닝 모델 성능 평가지표의 이해와 활용하기
다. 딥러닝 구현 방법과 활용
∙ 딥러닝 프레임워크의 종류 파악하기
∙ Tensorflow를 이용한 머신러닝/딥러닝 구현하기
∙ 딥 러닝 개요와 구현 방법의 이해하기
∙ 딥러닝 핵심 모델(CNN, RNN, GAN) 이해하기
3일차
라. 딥러닝 Back Propagation의 동작 이해
∙ 계산 그래프와 연쇄 법칙 (Chain Rule) 이해하기
∙ 역전파 (Back Propagation)의 동작 원리 파악하기
마. 딥러닝(신경망) 학습의 핵심 요소
∙ 데이터 전처리 (Data Preprocessing) 방법 이해와 코드 분석하기
∙ 가중치 초기화 (Weight Initialization) 알고리즘 이해와 코드 분석하기
∙ 활성화 함수 (Activation Functions) 기능 이해와 코드 분석하기
∙ 최적화 알고리즘 (Optimization Algorithms) 이해와 코드 분석하기
∙ Generalization & Regularization 방법 이해와 코드 분석하기
∙ Hyperparameter 최적화 (Optimization) 방법 이해와 코드 분석하기
과정진행 Tool / Infra
1. colab gpu 서버, Anaconda
2. Spyder
3. Jupyter Notebook
4. scikit-learn, Tensorflow 등 무료 머신러닝 프레임워크
패널티 안내
선착순으로 마감되는 교육과정일 경우 교육을 받고 싶어도 받지 못하는 분들이 계실 수 있습니다.
원활한 강의 진행을 위해 아래 경우에 패널티가 부여됨을 알려드립니다.
- 교육 당일 사전 연락없이 결석 시 (당일 No Show)
- 교육 중 사전 연락없이 이탈 시
패널티를 3번 이상 부여받은 경우 수강생은 3개월 동안 수강제한을 받습니다.
이러한 수강생이 3분 이상일 경우 재직 중이신 회사의 모든 수강생은 3개월 수강제한을 받습니다.
비대면 과정
해당 과정은 Zoom을 통한 비대면 라이브 과정입니다.
필수는 아니오나 과정 수강 시 캠 활성화 요청 드립니다.