* 5월 17일(월) ~ 5월 21일(금) / 총 4일(32시간), 19일(수) 석가탄신일 제외

* 비대면(온라인 라이브) 과정

문의: hskang@youngwoo.co.kr / 02-6004-7584

<신청방법>
1. 첨부파일의 수강신청서를 작성하여 hskang@youngwoo.co.kr로 교육 신청해주시면 됩니다.
2. 국가인적자원개발컨소시엄 협약서는 교육시작 전까지 우편으로 2부 제출 부탁드립니다.

<주의사항>
1. 고용보험의 유무를 반드시 확인 바랍니다.
2. 수강신청서의 과정명(원제)은 수정작업 없이 작성 바랍니다.
3. 교육담당자의 경우, 없으시면 본인성함을 적어서 제출하셔도 무방합니다.
4. 협약이 되어있지 않은 회사의 경우, 국가인적자원개발컨소시엄 협약서 제출은 필수입니다.

<교육 특징>
▪ 파이토치를 활용하여 실제 예제를 통해 인공지능 기법의 원리를 익힌다.

<교육 개요>
▪ 인공지능 관련 기술 이해
▪ 최신 CNN 아키텍처들의 다양한 구성 요소 다룸
▪ 순차 데이터를 이용한 자연어 처리에서 순차데이터를 다루는 방법을 보여주며 네트워크 생성 모델 생성
▪ 오토 인코더에서의 학습 알고리즘 개념 이해
▪ 적대적 신경망에서의 텍스트와 이미지들을 생성할 수 있는 모델 구축

▪ 인공지능의 최신 트렌드를 이해할 수 있다.
▪ 파이토치 및 텐서플로우에 대한 소프트웨어 환경의 차이를 이해할 수 있다
▪ 인공지능을 이용한 비즈니스 모델을 구상할 수 있다.
▪ 실제 프로그래밍을 통하여 이론과 실기를 병행하여 업무에 도움이 된다.

▪ 파이토치 프로그래밍에 관심이 있는 분
▪ 인공지능의 원리에 관심이 있는 분

비대면(온라인 라이브) 과정

 

* 신청방법 *

1) 첨부파일의 수강신청서를 작성하여 hskang@youngwoo.co.kr로 교육 신청해주시면 됩니다.

2) 국가인적자원개발컨소시엄 협약서는 교육시작 전까지 우편으로 2부 제출 부탁드립니다. 

 

* 주의사항 *

1) 고용보험의 유무를 반드시 확인 바랍니다.

2) 수강신청서의 과정명(원제 "Pytorch로 학습하는 딥러닝 영상처리 과정")은 수정작업 없이 작성 바랍니다.

3) 교육담당자의 경우, 없으시면 본인성함을 적어서 제출하셔도 무방합니다.

4) 협약이 되어있지 않은 회사의 경우, 국가인적자원개발컨소시엄 협약서 제출은 필수입니다. 

  

* 교재 관련*

1) 시중교재("파이토치 1.X로 시작하는 딥러닝")는 교육 신청이 완료 된 후(수강신청서 제출 완료) 교육 시작 1주일 전부터 영우글로벌러닝에서 직접 수령하셔야 됩니다. 

2) 주의사항: 교재 수령 후 교육 수료 못할 시 교재 값 청구되오니 참고 부탁드립니다.

 

 

 

<교육내용> 

 

1일차 : 

        - 인공지능의 소개

        - 파이토치가 개발되기까지

        - 텐서플로우,파이 토치, 케라스 차이

        - 개발환경 설치하기

        - 선형회귀 분석에 대하여

        - 경사하강법

 

▪ 2일차 :

         - 텐서와 autograd 란?

         - 전파와 역전파의 역할에 대하여

         - 합성곱 신경망 이해하기

         - 패딩과 풀링에 이해하기

         - 신경망 모델 구현하기 (ANN)

         - ResNet으로 컬러 데이터셋 적용하기

         - 오토인코더 이미지 특징 추출하기

 

▪ 3일차 :

         - 활성화 함수에 대하여

         - 순환 신경망의 작동 원리

         - 학습 알고리즘

         - 순차적 데이터 처리하는 RNN

         - 영화 리뷰 감정 분석하기

         - LSTM을 이용한 텍스트 분류 문제 해결하기

         - 학습시 문제되는 상황 이해하기(오버피팅,언더피팅

         - 드롭아웃. 정규화, 경사 하강법의 변형)

 

▪ 4일차 :

         - 전이 학습의 동작 원리

         - 전이 학습의 알고리즘

         - GAN의 기초 및 학습 원리

         - 모델 구현 및 학습

         - GAN으로 패션아이템생성하기

         - 유명한 모델들과 원리 이해하기

         - VGG 모델 생성하기