Python 기반 머신러닝 & 딥러닝 핵심과 활용
주제
AI
강사명
김수현
교육목표
- 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.
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
훈련대상
1 more property
