컨텐츠 내용
- 수강신청
- 과정정보
[6개월] Python 딥러닝
ㅣ 과정소개 ㅣ
▪ Python을 활용한 딥러닝 과정은 어렵다는 딥러닝을 가장 쉽게, 가장 명쾌하게 풀어낸 강의라고 자부합니다. 강의는 선거유권자 예측, 환자예측, 이미지 등 실전 주제를 가지고 데이터스케일링, 학습단위 설정, 학습율/은닉층/뉴런수의 설정, 가중치 초기화, 활성화 함수의 선정, 고솝옵티마이저 적용, 과대적합 규제 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.
Python을 활용한 딥러닝 과정은 인공지능 기반 데이터사이언티스트의 완성판입니다.
다음과 같은 분들이 머신러닝 과정 수강이 필요합니다.
▪ 인공지능 데이터분석가가 되고자 하는 현업 실무자 및 취업준비생
▪ 개발자이면서 딥러닝으로 예측력을 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, 인공지능 사업과 연구를 기획하는 정책 실무자
ㅣ 학습목표 ㅣ
Python을 활용한 딥러닝 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.
▪ 수집된 데이터의 스케일링, train/test 데이터 셋 분할, 다양한 하이퍼 파라미터 설정 등 분석 전과정을 완벽하게 이해하고 수행할 수 있습니다.
▪ 딥러닝의 핵심 개념과 DNN, CNN, RNNN 등 핵심 모델을 활용하여 정량데이터, 이미지, 문서 등의 예측을 직접 수행할 수 있습니다.
▪ 구축한 딥러닝 모델에서 다양한 하이퍼 파라미터 튜닝방법을 익혀 가장 예측력이 높은 최적의 모델을 도출할 수 있습니다.
ㅣ 수강안내 ㅣ
※ 정규학습일수는 180일이며, 180일 이내 수강을 80% 이수해야만 수료증이 발급됩니다.
※ 정규학습일수 이후에는 6개월간 복습하실 수 있습니다. (★총 1년간 수강가능)
※ 수강기간 연장은 1회(30일) 가능 (유선 또는 게시판 요청)
※ 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%)+완료강좌수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌수 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.
평가기준 | 진도 | 시험 | 과제 | 토론 | 기타 |
---|---|---|---|---|---|
배점 | 100% | 0% | 0% | 0% | 0% |
과락기준 | 80% | 0점 | 0점 | 0점 | 0점 |
차시 | 강의명 | 학습시간 |
---|---|---|
1차시 | Python을 활용한 딥러닝 Python 소개 | 23분 |
2차시 | Python을 활용한 딥러닝 Python 설치하기 | 33분 |
3차시 | Python을 활용한 딥러닝 Python 기초 | 60분 |
4차시 | Python을 활용한 딥러닝 Numpy 분석함수 | 54분 |
5차시 | Python을 활용한 딥러닝 Pandas함수와 데이터다루기 | 23분 |
6차시 | Python을 활용한 딥러닝 딥러닝의 개요와 역사 | 57분 |
7차시 | Python을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 | 30분 |
8차시 | Python을 활용한 딥러닝 Tensorflow의 설치와 이해 | 37분 |
9차시 | Python을 활용한 딥러닝 Tensor의 이해 | 40분 |
10차시 | Python을 활용한 딥러닝 Placeholder와 Variable | 52분 |
11차시 | Python을 활용한 딥러닝 행렬의 이해와 연산의 수행 | 23분 |
12차시 | Python을 활용한 딥러닝 선형회귀와 Cost Function | 40분 |
13차시 | Python을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 | 48분 |
14차시 | Python을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 | 58분 |
15차시 | Python을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 | 48분 |
16차시 | Python을 활용한 딥러닝 활성화함수의 이해 | 34분 |
17차시 | Python을 활용한 딥러닝 은닉층의 이해와 생성하기 | 41분 |
18차시 | Python을 활용한 딥러닝 역전파와 고속옵티마이저 | 29분 |
19차시 | Python을 활용한 딥러닝 학습율과 선형회귀 종합 | 22분 |
20차시 | Python을 활용한 딥러닝 로지스틱회귀와 Cost Function | 38분 |
21차시 | Python을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 | 47분 |
22차시 | Python을 활용한 딥러닝 Loss Function과 모델평가지표 | 29분 |
23차시 | Python을 활용한 딥러닝 다항로지스틱과 Softmax | 36분 |
24차시 | Python을 활용한 딥러닝 MNIST data의 Softmax | 24분 |
25차시 | Python을 활용한 딥러닝 깊은 심층망에서 규제방법 | 58분 |
26차시 | Python을 활용한 딥러닝 DNN 실전가이드 | 20분 |
27차시 | Python을 활용한 딥러닝 CNN의 개념과 원리 | 42분 |
28차시 | Python을 활용한 딥러닝 CNN 연산의 기초 | 24분 |
29차시 | Python을 활용한 딥러닝 openCV와 이미지 전처리 | 24분 |
30차시 | Python을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 | 20분 |
31차시 | Python을 활용한 딥러닝 MNIST 이미지 DNN학습 | 17분 |
32차시 | Python을 활용한 딥러닝 MNIST 이미지 CNN학습 | 20분 |
33차시 | Python을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 | 34분 |
34차시 | Python을 활용한 딥러닝 RNN의 개념과 원리 | 28분 |
35차시 | Python을 활용한 딥러닝 RNN의 기본구조 | 65분 |
36차시 | Python을 활용한 딥러닝 RNN의 심층구조 | 33분 |
37차시 | Python을 활용한 딥러닝 RNN을 이용한 주가예측 | 24분 |