Python 기반 머신러닝 & 딥러닝 핵심과 활용

주제

강사명

김수현

커리큘럼

1일차 가. 머신러닝과 딥러닝의 동작 원리 - AI 문제 해결 기술 - 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 활용 - 머신러닝 고성능&앙상블 모델의 이해와 활용 - 머신러닝 비지도 학습 모델이해와 응용구현 - 머신러닝 모델 성능 평가지표의 이해와 활용 2일차 나. 머신러닝 학습 모델의 이해와 활용 - 머신러닝 비지도 학습 모델이해와 응용구현 - 머신러닝 모델 성능 평가지표의 이해와 활용 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 분석 - 가중치 초기화 (Weight Initialization) 알고리즘 이해와 코드 분석 - 활성화 함수 (Activation Functions) 기능 이해와 코드 분석 - 최적화 알고리즘 (Optimization Algorithms) 이해와 코드 분석 - Generalization & Regularization 방법 이해와 코드 분석 - Hyperparameter 최적화 (Optimization) 방법 이해와 코드 분석

교육시간

3일 21시간

6월

6월10일~12일

14 more properties