바로가기 메뉴
본문 바로가기
주메뉴 바로가기

Veritas

교육개요
교육 커리큘럼과 강사는 사정에 의해 변경될 수 있습니다.
교육명,를 포함한 교육과정 표
교육명 중급 [AI특집 4탄] TensorFlow로 구현하는 딥러닝
교육기간 2020-12-21 ~ 2020-12-24
교육시간 09:30 ~ 17:30 (하루 8시간, 총 32시간)
교육장 영우글로벌러닝  지도보기
강사 딥러닝 전문강사
정원 15명
교육비 1,750,000원 (VAT별도)


교육소개
※ 커리큘럼 문의: 이현종 대리 02-6004-7587 / dl10432@youngwoo.co.kr
※ 교육신청 문의: 권기범 사원 02-6004-7586 / gibum0923@youngwoo.co.kr

전세계 개발자가 가장 많이 선택한 딥러닝 프레임워크인 텐서플로우(TensorFlow) 를 활용하여 딥러닝의 기초를 학습하고 실습을 통해 구현한다.
교육목표
[교육목표]
- 딥러닝의 기본 원리와 이론적 배경을 이해한다.
- TensorFlow Framework 구성을 이해하고 이를 활용하여 DNN, CNN, RNN과 같은 딥러닝 기본 모델을 구현해본다.
- 최적화/정규화/하이퍼파라미터 튜닝을 이해하고 성능 향상을 위한 방법들을 실습해본다.


[선수지식]
- 파이썬 기초 문법
- 판다스, 넘파이, 데이터 시각화
교육대상
- 파이썬이 무엇인지 알고 기초적 활용이 가능한 개발자
- 딥러닝 모델을 직접 구현해보며 이해하고 싶은 개발자
교육내용

 

 

1. 딥러닝의 개요

- 인공지능, 딥러닝 개념 이해

텐서플로우의 기초

 

 

2. 심층 신경망 구성 및 학습

- 신경망 모형의 구조

- 출력층, 손실함수

- 활성화 함수

- gradient descent, back propagation

 

 

3. 최적화 방법론의 이해 및 프로세스

    - optimization

Hyper parameter tuning

- overfitting 문제의 해결

 

 

4. DNN으로 Image Classifier 구현

- 텐서플로우를 활용하여 이미지 전처리

- MNIST, Fashion MNIST를 활용한 이미지 분류 모형 구현

 

 

5. Convolutional Neural Networks(CNN)

- CNN 아키텍처

- convolution 연산 및 개념 이해, Stride, Padding

- Pooling layer

- 텐서플로우를 사용한 CNN Image Classifier 구현

- CNN 확장 : VGG, Inception, ResNet etc.

- Transfer Learning의 활용

 

 

6. Recurrent Neural Networks(RNN)

- RNN 기본 개념과 원리

- Long-Short Term Memory Networks(LSTM)

    - Char-RNN을 활용한 text generator 구현

 

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