메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

Python 딥러닝

Python 딥러닝 과정정보
수강기간 180일
강의구성 27차시
수강료 220,000원

 

총 학습시간 11시간 9분



 [과정소개]

 

Python 딥러닝 과정은 어렵다는 딥러닝을 가장 쉽게, 가장 명쾌하게 풀어낸 강의라고 자부합니다

    강의는 선거유권자예측, 환자예측, 이미지 등 실전 주제를 가지고 데이터스케일링, 학습단위설정

    학습율/은닉층/뉴런수의 설정, 가중치초기화, 활성화함수의 선정, 고솝옵티마이저적용, 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.

 

 

[수강대상]

 

▪Python 딥러닝 과정은 인공지능 기반 데이터사이언티스트의 완성판입니다.

   다음과 같은 분들이 머신러닝과정 수강이 필요합니다.

 

   - 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]

 

▪Python 딥러닝과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.

 

   - 수집된 데이터의 스케일링,train/test 데이터 셋분할, 다양한 하이퍼파라미터 설정 등 분석 전 과정을 완벽하게 이해하고 수행할 수 있습니다.

   - 딥러닝의 핵심 개념과 DNN,CNN, RNN 등 핵심모델을 활용하여 정량데이터, 이미지, 문서 등의 예측을 직접 수행할수 있습니다.

   - 구축한 딥러닝 모델에서 다양한 하이퍼파라미터 튜닝방법을 익혀 가장 예측력이 높은 최적의 모델을 도출할 수 있습니다.

 

 

[수강안내]

 

정규 학습일수는180일이며, 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, 150,000/20=7,500(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

 

강의목차
차시 강의명 학습시간
1차시 딥러닝의 개요 31분
2차시 딥러닝의 발전 36분
3차시 다층 퍼센트론의 이해 14분
4차시 다층 퍼센트론의 필요성 20분
5차시 Tensorflow 설치와 이해 26분
6차시 회귀문제와 Cost Function 21분
7차시 딥러닝 A to Z 37분
8차시 하이퍼파라미터1: 데이터분할과 정규화 34분
9차시 하이퍼파라미터2: 학습단위의 이해 14분
10차시 하이퍼파라미터3: 활성화함수의 이해 24분
11차시 하이퍼파라미터4: 은닉층의 이해 12분
12차시 하이퍼파라미터5: 역전파와 고속옵티마이저 13분
13차시 하이퍼파라미터6: 학습률과 분석 프로세스 12분
14차시 분류문제와 Cost Function 15분
15차시 이진분류 분석 18분
16차시 다항분류 분석 12분
17차시 딥러닝과 규제화 23분
18차시 딥러닝 모델의 규제 적용 실습 33분
19차시 실전 딥러닝 가이드 24분
20차시 CNN의 개념과 원리 32분
21차시 openCV로 이미지 정제하기 26분
22차시 개와 고양이 사진 분류 48분
23차시 MNIST 숫자 분류 15분
24차시 RNN의 개념과 원리 21분
25차시 RNN, GRU, LSTM 이해 30분
26차시 RNN으로 주식예측하기 40분
27차시 RNN으로 감성분류하기 38분