메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

[6개월] Python 딥러닝

[6개월] Python 딥러닝 과정정보
수강기간 180일
강의구성 37차시
수강료 180,000원


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 이내이용한 강좌 없을 경우전액 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 초과환불 불가

     *산출기준 예시수강료 150,000원이면 강좌수 20강인 경우, 150,000/20=7,500(1강좌)로 산출


  ※ 유의사항

    - 수강기간이 종료된 강의는 환불이 불가합니다.

    - 복습기간이나 이벤트 등으로 추가로 제공된 기간은수강기간에 포함되지 않습니다.

    - 환불금액은 결제한 금액 기준이며결제 시 사용한 적립금(쿠폰)은 반환해드립니다


 

 

수료기준
평가기준 진도 시험 과제 토론 기타
배점 100% 0% 0% 0% 0%
과락기준 80% 0점 0점 0점 0점
※ 수료기준은 각 평가항목의 점수가 과락기준 점수 이상이고 총점이 80점 이상이어야 합니다.
강의목차
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