머신러닝&딥러닝 구현 심화 Hands-On with Tensorflow2
주제
AI
훈련목표
- 현업에서 활용가치가 있는 머신신러닝 비지도 학습 모델의 알고리즘을 파악하고 이를 적용한 응용을 구현할 수 있다
- 딥러닝 모델 성능 향상을 위한 훈련 기법을 이해하고 이를 적용한 코드를 작성할 수 있다.
- Tensorflow2를 사용한 사용자 정의 모델을 구현할 수 있다.
- CNN&RNN 혼합 응용 딥러닝 모델을 구현한다.
훈련대상
가. 머신러닝/딥러닝 활용 심화 기술을 습득하고자 하는 분
나. 머신러닝 비지도 학습 모델 활용에 대한 insight를 얻고자 하는 분
다. 딥러닝 모델 성능 향상을 위한 훈련 방법을 알고 싶은 분
라. Tensorflow2의 특화 기능을 활용하고 싶은 분
마. CNN&RNN 혼합 딥러닝 모델 구현 방법을 알고 싶은 분
* 사전지식 : 파이썬 프로그래밍, 머신러닝/딥러닝 기본 지식, CNN&RNN 기본 지식
교육시간
21시간
커리큘럼
1일차
가. 비지도 학습 모델 구현
- 군집을 사용한 이미지 분할 구현
- 군집을 사용한 준지도 학습 구현
- 비지도학습 모델을 사용한 이상치 탐지
2일차
나. 심층 신경망 성능 향상을 위한 훈련 기법
- Gradient Vanishing & Exploding 문제 해결하기
- 사전 훈련된 층 사용하기
- 고속 Optimizer 사용하기
- 규제를 사용한 Overfitting 피하기
다. Tensorflow2를 사용한 사용자 정의 모델 구현
- 사용자 정의 Loss Function
- 사용자 정의 요소를 가진 모델 저장 및 로드
- 활성화 함수, 초기화, 규제, 제한 커스터마이징
- 사용자 정의 Metrics, Layers, Models, Trainings
3일차
라. Tensorflow2에서 고급 API 사용
- Sequential API를 이용한 CNN 모델
- Functional API를 이용한 비선형 토폴로지, 공유 레이어 모델
- Subclassing API를 이용한 전문가용 훈련 Loop 작성
마. CNN & RNN 응용 딥러닝 모델 구현
- 전이학습을 활용한 deep CNN 모델 작성
- Autoencoder 모델 작성
- RNN과 autoencoder 모델을 이용한 이상치 탐지
11월
12 more properties
