컨텐츠 내용
- 수강신청
- 과정정보
R 딥러닝
총 학습시간 21시간 40분
[과정소개]
▪R을 활용한 딥러닝 과정은 어렵다는 딥러닝을 가장 쉽게, 가장 명쾌하게 풀어낸 강의입니다.
▪선거유권자 예측, 환자예측, 이미지등 실전 주제를 가지고 데이터스케일링, 학습단위설정, 학습율/은닉층/뉴런수의설정,
가중치초기화, 활성화함수의 선정, 고속옵티마이저적용, 과대적합규제 등 어려운 개념을 가장 쉽게 전달하면서 딥러닝 전체 과정을 다루고 있습니다
▪본 과정을 수강하시면 DNN,CNN, RNN 등 딥러닝 알고리즘과 모델에 대한 이론과 실전을 동시에 마스터하실 수 있습니다.
▪R을 활용한 딥러닝 과정은 인공지능 기반 데이터사이언티스트의 완성판입니다.
[수강대상]
▪인공지능 데이터분석가가 되고자 하는 현업 실무자 및 취업준비생
▪개발자이면서 딥러닝으로예측력을 높이고 과정을 자동화 하고자 하는 분
▪딥러닝 알고리즘을 익혀 반복적 업무의 효율성 및 예측력을 향상하고자 하는 분
▪대학 혹은 기관에서 데이터분석 관련 연구와 강의를 하고 계신 강사 및 교수님
▪전통적 통계분석에 더해 최신 딥러닝 기법으로 연구성과를 내고자 하는 연구자
▪빅데이터분석, 인공지능사업과 연구를 기획하는 정책 실무자
[학습목표]
▪ 수집된 데이터의 스케일링,train/test 데이터 셋분할, 다양한 하이퍼파라미터 설정 등 분석 전과정을 완벽하게 이해하고 수행할 수 있습니다.
▪ 딥러닝의 핵심 개념과 DNN,CNN, RNNN 등 핵심모델을 활용하여 정량데이터, 이미지, 문서등의 예측을 직접 수행할 수 있습니다.
▪ 구축한 딥러닝 모델에서 다양한 하이퍼파라미터 튜닝방법을 익혀 가장 예측력이 높은 최적의 모델을 도출할 수 있습니다.
[수강안내]
※ 정규학습일수는 180일이며, 180일이내 수강을 80% 이수해야만 수료증이 발급됩니다.
※ 교재는 강의 내에서 교안과 실습자료를 다운로드 받으실 수 있도록 파일로 제공됩니다.
■ 교환.환불규정 ■
1) 결제 후 7일 이내, 이용한 강좌 없을 경우: 전액 환불
2) 결제 후 7일 초과 ~ 수강기간 1/2 이하
- 이용한 강좌가 없을 경우: 위약금(결제한 금액의 10%) 차감 후 환불
- 이용한 강좌가 있을 경우: 위약금(결제한 금액의 10%)+완료 강좌 수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌 수 20강인 경우, 150,000원/20강=7,500원(1강좌)로 산출
※ 유의사항
- 수강기간이 종료된 강의는 환불이 불가합니다.
- 복습기간이나 이벤트 등으로 추가로 제공된 기간은, 수강기간에 포함되지 않습니다.
- 환불금액은 결제한 금액 기준이며, 결제 시 사용한 적립금(쿠폰)은 반환해드립니다.
차시 | 강의명 | 학습시간 |
---|---|---|
1차시 | R을 활용한 딥러닝 R이란 무엇인가 | 23분 |
2차시 | R을 활용한 딥러닝 R 설치하기 | 33분 |
3차시 | R을 활용한 딥러닝 데이터관리(1) | 60분 |
4차시 | R을 활용한 딥러닝 데이터관리(2) | 54분 |
5차시 | R을 활용한 딥러닝 데이터파일 불러오기 | 23분 |
6차시 | R을 활용한 딥러닝 딥러닝의 개요와 역사 | 57분 |
7차시 | R을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 | 30분 |
8차시 | R을 활용한 딥러닝 Tensorflow의 설치와 무작정 해보기 | 36분 |
9차시 | R을 활용한 딥러닝 Tensor의 이해 | 40분 |
10차시 | R을 활용한 딥러닝 Placeholder와 Variable | 51분 |
11차시 | R을 활용한 딥러닝 행렬의 이해와 연산의 수행 | 28분 |
12차시 | R을 활용한 딥러닝 선형회귀와 Cost Function | 40분 |
13차시 | R을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 | 41분 |
14차시 | R을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 | 54분 |
15차시 | R을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 | 42분 |
16차시 | R을 활용한 딥러닝 활성화함수의 이해 | 37분 |
17차시 | R을 활용한 딥러닝 은닉층의 이해와 생성하기 | 41분 |
18차시 | R을 활용한 딥러닝 역전파와 고속옵티마이저 | 29분 |
19차시 | R을 활용한 딥러닝 학습율과 선형회귀 종합 | 26분 |
20차시 | R을 활용한 딥러닝 로지스틱회귀와 Cost Function | 38분 |
21차시 | R을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 | 42분 |
22차시 | R을 활용한 딥러닝 Loss Function과 모델평가지표 | 26분 |
23차시 | R을 활용한 딥러닝 다항로지스틱과 Softmax | 29분 |
24차시 | R을 활용한 딥러닝 MNIST data의 Softmax | 24분 |
25차시 | R을 활용한 딥러닝 깊은 심층망에서 규제방법 | 49분 |
26차시 | R을 활용한 딥러닝 DNN 실전가이드 | 20분 |
27차시 | R을 활용한 딥러닝 CNN의 개념과 원리 | 42분 |
28차시 | R을 활용한 딥러닝 CNN 연산의 기초 | 28분 |
29차시 | R을 활용한 딥러닝 R의 이미지 전처리 | 16분 |
30차시 | R을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 | 20분 |
31차시 | R을 활용한 딥러닝 MNIST 이미지 DNN학습 | 19분 |
32차시 | R을 활용한 딥러닝 MNIST 이미지 CNN학습 | 21분 |
33차시 | R을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 | 23분 |
34차시 | R을 활용한 딥러닝 RNN의 개념과 원리 | 28분 |
35차시 | R을 활용한 딥러닝 RNN 기본구조 | 71분 |
36차시 | R을 활용한 딥러닝 RNN 다층구조 | 33분 |
37차시 | R을 활용한 딥러닝 RNN을 이용한 주가예측 | 25분 |