바로가기 메뉴
본문 바로가기
주메뉴 바로가기

AWS

교육개요
교육 커리큘럼과 강사는 사정에 의해 변경될 수 있습니다.
교육명,를 포함한 교육과정 표
교육명 공통 Deep Learning 1차
교육기간 2019-04-22 ~ 2019-04-24
교육시간 09:30~17:30(1일 7시간, 총3일 21시간)
교육장 영우글로벌러닝  지도보기
강사 한대희 강사
정원 20명
교육비 900,000원 [VAT 별도]


교육소개
딥러닝의 동작원리를 회귀분석을 통한 수학적 데이터분석의 동작원리와 비교하며 경사하강법(gradient descent) 원리를 통해 이해하기 쉽게 설명한다. 딥러닝 프로그래밍을 위한 최고의 도구인 tensorflow, keras, pytorch 기반으로 딥러닝 프로그래밍을 배운다. 그외 딥러닝 기반의 데이터분석 및 프로그래밍을 위해 필요한 파이썬 패키지인 numpy, pandas 등도 익히게 된다.
교육목표
○ 딥러닝의 동작원리 및 최적화 원리를 잘 이해한다.
○ 현업 및 연구에서 실제 데이터를 전처리할 수 있다.
○ 딥러닝 프로그래밍을 통해 실제 문제에 적용할 수 있다.
○ 딥러닝을 적용하여 최적의 결과를 도출할 수 있도록 하이퍼파라미터 튜닝을 수행할 수 있다.
교육대상
○ 딥러닝 관련 실무프로젝트를 수행하는 개발자
○ 딥러닝을 활용하고자 하는 데이터분석가(사이언티스트)
○ 딥러닝을 이용한 제품개발을 계획중인 기획자, Product Manager
교육내용
※ 교육 내용

순서

주제

내용

1일차

 수학적 접근 방법

(회귀분석, regression analysis)

 

l  통계적방법으로 풀기 - linear  regression : 수식 설명 및 python 실습 및 설명

l  선형대수(행렬)이용하여 풀기 - linear algebra

l  Normal Equation vs Gradient Descent

l  수학통계적방법 vs 머신러닝방법

l  ) 월급여와 카드사용량의 관계를 1차함수(1항 회귀분석)로 모델링하기

l  ) 월급여와 카드사용량의 관계를 다항함수(다항 회귀분석)로 모델링하기

 경사하강법(Gradient Descent), 딥러닝의 학습원리

 

l  Gradient Descent의 동작원리

l  ) 월급여와 카드사용량의 관계를 경사하강법으로 풀기 - python code 실습 및 설명

l  Universal Approximator

l  최적화, Global Optima, Local Optima,

l  Optimizer의 종류: Momentum, RMSProp, Adam, ...

l  Convex, Non-Convex

 

l  딥러닝의 구조

l  딥러닝의 학습원리

l  loss 함수: MSE

l  optimizer

l  ) Non-linear regression (삼각함수)를 딥러닝으로 모델링 하기

2일차

 딥러닝 프로그래밍: numpy, tensorflow, keras

 

l  파이썬 패키지 numpy

l  tensorflow 프로그래밍

l  keras 프로그래밍

 딥러닝 활용1:  

Classification (분류) 문제

 

l  ) 소리(sound) 분류 문제: Dog, Car, Child 소리(*.wav 파일) 구분하기tensorflow로 구현하기

l  keras로 구현하기

l  모델의 저장, 로딩

l  softmax, argmax

l  cross-entropy loss

l  feature extraction

 딥러닝의 실무 & 하이퍼파라미터 튜닝

(hyper-parameter)

 

l  학습데이터, Validation, Test 데이터 분할

l  과적합 (over-fitting)

l  Cross Validation

l  하이퍼파라미터의 종류

l  하이퍼파라미터 튜닝의 적용

l  Dropout

l  Batch normalization

l  ) 하이퍼파라미터 튜닝 딥러닝 적용

3일차

 딥러닝 데이터 처리 도구

 

l  pandas 를 이용한 데이터 처리

l  날짜 데이터 처리

l  matplotlib - 기본 시각화 도구

l  sns - 시각화 도구 소개

 딥러닝 활용2: Anomaly Detection 데이터분석

 

l  Anomaly Detection을 위한 딥러닝 구성 방법

l  keras로 구현하기

l  keras callback 이용 방법

l  confusion matrix 개념, ROC curve

) Card Fraud Detection 문제를 딥러닝을 풀기: kaggle.com 문제

 

다양한 딥러닝 프레임워크 소개

l  tensorflow, keras

l  pytorch

l  Azure 기반 딥러닝 소개

l  AWS 기반 딥러닝 소개

l  mxnet 소개

 

학원의 설립ㆍ운영 및 과외교습에 관한 법률 시행령에 따라 다음과 같이 수강료를 환불해드립니다.

  1. 반환기한 : 반환사유가 발생한 경우 반환기준에 따라 반환사유 발생일로부터 5일 이내에 교습비등을 환불해 드리겠습니다.
  2. 반환기준
    • 1) 교습을 할 수 없거나 교습장소를 제공할 수 없게 된 날을 기준으로 이미 납부한 교습비등을 일할 계산한 금액을 환불해 드리겠습니다.
    • 2) 교습기간이 1개월 이내인 경우, 다음과 같이 환불해 드리겠습니다.
      - 교습시작 전 : 이미 납부한 교습비등의 전액
      - 총 교습시간 1/3 경과 전 : 이미 납부한 교습비등의 2/3에 해당하는 금액
      - 총 교습시간 1/2 경과 전 : 이미 납부한 교습비등의 1/2에 해당하는 금액
      - 총 교습시간 1/2 경과 후 : 반환하지 않음
    • 3) 교습기간이 1개월을 초과하는 경우, 다음과 같이 환불해 드리겠습니다.
      - 교습시작 전 : 이미 납부한 교습비등의 전액
      - 교습시작 후 : 반환사유가 발생한 해당월의 반환 대상 교습비등(교습기간 1개월 이내 기준 산출금액)과 나머지 월의 교습비등 전액을 합산한 금액