SW공학
home
SW프로젝트관리
home

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
11 more properties