메인메뉴로 이동 본문으로 이동

컨텐츠 내용

  1. 수강신청
  2. 과정정보

[1년] 딥러닝 패키지 과정

[1년] 딥러닝 패키지 과정 과정정보
수강기간 365일
강의구성 102차시
수강료 720,000원 288,000원

총 학습시간 63시간 30분



 [과정소개]

 

 ▪ 데이터전문가를 위한 딥러닝(R+Python) 과정! 

 ▪ R 데이터분석과 시각화 + R 딥러닝 + Python 핵심+ Python 딥러닝 4개 과목, 총 104 강의 패키지!

 

 ▪ 딥러닝 패키지 과정은 어렵다는 딥러닝을 가장 쉽게, 가장 명쾌하게 풀어낸 강의라고 자부합니다. 

     강의는 선거유권자예측, 환자예측, 이미지등 실전 주제를 가지고 데이터스케일링, 학습단위설정, 

     학습율/은닉층/뉴런수의 설정, 가중치초기화, 활성화함수의 선정, 고솝옵티마이저 적용, 과대적합규제 등 

     어려운 개념을 가장 쉽게 전달하면서딥러닝 전체 과정을 다루고 있습니다

 

 ▪ 본 과정을 수강하시면 DNN,CNN, RNN 등 딥러닝알고리즘과 모델에 대한 이론과 실전을 동시에 마스터하실 수 있습니다.


 

[학습목표]

 

▪ 딥러닝 패키지 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.


 ▪ 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 365일이며, 365일이내 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. 

 


※ 관련 콘텐츠 수정/보완 예정 안내 

    - 본 강의는 2022년 하반기 ~ 2023년 상반기에 업데이트 예정에 있습니다. 

    - 2022년까지 본 강의를 구매하신 수강생을 대상으로 추후 업데이트된 내용은 수강기간 내에 추가 비용 없이 들으실 수 있습니다.

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
I. Python 핵심
1차시 분석 데이터 준비 20분
2차시 Python 설치하기 24분
3차시 Python 기초1: 데이터 유형 57분
4차시 Python 기초2: 조건문과 반복문 20분
5차시 Python 기초3: Numpy 함수 39분
6차시 Python 기초4: Pandas 함수 기초 41분
7차시 Python 기초5: Pandas로 데이터 변환하기 44분
8차시 단변량 데이터 탐색 34분
9차시 이변량 데이터 탐색 22분
10차시 이상치 처리 32분
11차시 변수 변환 15분
12차시 결측값 처리 44분
13차시 데이터 정제 실전 과제 35분
II. Python 딥러닝
14차시 딥러닝의 개요 31분
15차시 딥러닝의 발전 36분
16차시 다층 퍼센트론의 이해 14분
17차시 다층 퍼센트론의 필요성 20분
18차시 Tensorflow 설치와 이해 26분
19차시 회귀문제와 Cost Function 21분
20차시 딥러닝 A to Z 37분
21차시 하이퍼파라미터1: 데이터분할과 정규화 34분
22차시 하이퍼파라미터2: 학습단위의 이해 14분
23차시 하이퍼파라미터3: 활성화함수의 이해 24분
24차시 하이퍼파라미터4: 은닉층의 이해 12분
25차시 하이퍼파라미터5: 역전파와 고속옵티마이저 13분
26차시 하이퍼파라미터6: 학습률과 분석 프로세스 12분
27차시 분류문제와 Cost Function 15분
28차시 이진분류 분석 18분
29차시 다항분류 분석 12분
30차시 딥러닝과 규제화 23분
31차시 딥러닝 모델의 규제 적용 실습 33분
32차시 실전 딥러닝 가이드 24분
33차시 CNN의 개념과 원리 32분
34차시 openCV로 이미지 정제하기 26분
35차시 개와 고양이 사진 분류 48분
36차시 MNIST 숫자 분류 15분
37차시 RNN의 개념과 원리 21분
38차시 RNN, GRU, LSTM 이해 30분
39차시 RNN으로 주식예측하기 40분
40차시 RNN으로 감성분류하기 38분
III. R 데이터분석과 시각화
41차시 R을 활용한 데이터분석과 시각화 R이란 무엇인가 23분
42차시 R을 활용한 데이터분석과 시각화 R 설치하기 33분
43차시 R을 활용한 데이터분석과 시각화 데이터관리(1) 60분
44차시 R을 활용한 데이터분석과 시각화 데이터관리(2) 54분
45차시 R을 활용한 데이터분석과 시각화 데이터파일 불러오기 23분
46차시 R을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 30분
47차시 R을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 41분
48차시 R을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 34분
49차시 R을 활용한 데이터분석과 시각화 통계학과 추정 63분
50차시 R을 활용한 데이터분석과 시각화 가설검정 35분
51차시 R을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 19분
52차시 R을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 24분
53차시 R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 10분
54차시 R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 25분
55차시 R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 9분
56차시 R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 12분
57차시 R을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 22분
58차시 R을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 21분
59차시 R을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 20분
60차시 R을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 39분
61차시 R을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 32분
62차시 R을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 10분
63차시 R을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 19분
64차시 R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 29분
65차시 R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 42분
IV. R 딥러닝
66차시 R을 활용한 딥러닝 R이란 무엇인가 23분
67차시 R을 활용한 딥러닝 R 설치하기 33분
68차시 R을 활용한 딥러닝 데이터관리(1) 60분
69차시 R을 활용한 딥러닝 데이터관리(2) 54분
70차시 R을 활용한 딥러닝 데이터파일 불러오기 23분
71차시 R을 활용한 딥러닝 딥러닝의 개요와 역사 57분
72차시 R을 활용한 딥러닝 신경망의 이해와 다층 퍼셉트론의 필요성 30분
73차시 R을 활용한 딥러닝 Tensorflow의 설치와 무작정 해보기 36분
74차시 R을 활용한 딥러닝 Tensor의 이해 40분
75차시 R을 활용한 딥러닝 Placeholder와 Variable 51분
76차시 R을 활용한 딥러닝 행렬의 이해와 연산의 수행 28분
77차시 R을 활용한 딥러닝 선형회귀와 Cost Function 40분
78차시 R을 활용한 딥러닝 전통적 회귀와 TensorFlow 활용 선형회귀분석 41분
79차시 R을 활용한 딥러닝 TensorFlow의 선형회귀와 학습단위의 이해 54분
80차시 R을 활용한 딥러닝 데이터 스케일링과 데이터셋 분할 42분
81차시 R을 활용한 딥러닝 활성화함수의 이해 37분
82차시 R을 활용한 딥러닝 은닉층의 이해와 생성하기 41분
83차시 R을 활용한 딥러닝 역전파와 고속옵티마이저 29분
84차시 R을 활용한 딥러닝 학습율과 선형회귀 종합 26분
85차시 R을 활용한 딥러닝 로지스틱회귀와 Cost Function 38분
86차시 R을 활용한 딥러닝 전통적 로지스틱과 TensorFlow 로지스틱 42분
87차시 R을 활용한 딥러닝 Loss Function과 모델평가지표 26분
88차시 R을 활용한 딥러닝 다항로지스틱과 Softmax 29분
89차시 R을 활용한 딥러닝 MNIST data의 Softmax 24분
90차시 R을 활용한 딥러닝 깊은 심층망에서 규제방법 49분
91차시 R을 활용한 딥러닝 DNN 실전가이드 20분
92차시 R을 활용한 딥러닝 CNN의 개념과 원리 42분
93차시 R을 활용한 딥러닝 CNN 연산의 기초 28분
94차시 R을 활용한 딥러닝 R의 이미지 전처리 16분
95차시 R을 활용한 딥러닝 내 데이터를 이용한 이미지 DNN학습 20분
96차시 R을 활용한 딥러닝 MNIST 이미지 DNN학습 19분
97차시 R을 활용한 딥러닝 MNIST 이미지 CNN학습 21분
98차시 R을 활용한 딥러닝 내 데이터를 이용한 이미지 CNN학습 23분
99차시 R을 활용한 딥러닝 RNN의 개념과 원리 28분
100차시 R을 활용한 딥러닝 RNN 기본구조 71분
101차시 R을 활용한 딥러닝 RNN 다층구조 33분
102차시 R을 활용한 딥러닝 RNN을 이용한 주가예측 25분