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

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

 경사하강법(Gradient Descent), 딥러닝의 학습원리

l  Gradient Descent의 동작원리

l  랩) 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  랩) 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  랩) 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  랩) 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  keras의 callback 이용 방법

l  confusion matrix 개념, ROC curve

랩) 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