파이썬 딥러닝 입문 :
파이토치를 활용한 논문 리뷰 및 구현

딥러닝 입문에 필요한 핵심논문 리뷰 및 구현

강의 난이도
3/5
딥러닝 대표 프레임워크 ‘파이토치’를 활용해
논문 리뷰부터 구현까지 한 번에 끝내 딥러닝에 완벽 입문할 수 있습니다.
딥러닝 학습을 이야기할 때 항상 논문을 주기적으로 살펴보라고 이야기 합니다.
그래서 딥러닝 관련 온·오프라인 강의들에 딥러닝 리뷰와 관련된 내용들이 많습니다.
그런데, 논문 리뷰를 수십개 한다고 해서 큰 의미가 있을까요?
리뷰만 하면 과연 그 기술이 내 것이 될 수 있을까요?

본 과정에서는 딥러닝 대표 프레임워크 ‘파이토치’를 활용해
논문을 리뷰하고 구현하여 딥러닝에 완벽히 입문하는 것은 물론,
이후 딥러닝 관련 로드맵을 지도해드립니다.

일정

20.11.08 ~ 20.12.13 | 총 6회
매주 일요일 14:00 ~ 17:00, 총 18시간

정원 및 준비물

총 15명
노트북

장소

러닝스푼즈 강의장
강남대로 94길 15, S2빌딩 4층
이미 많이 활용되는 딥러닝 기술들에 대한 관심도가 높아져
딥러닝에 입문하기 위해 많은 분들이 노력하고 있습니다.

자연어처리

영상 및 음성 인식

추천시스템

자율주행

의료분석

자율주행

의료분석

이를 위해
수많은 관련서적과 온·오프라인 강의에서는
딥러닝을 학습하기 위해 ‘논문리뷰’에 집중하는 경우가 많습니다.

그런데...
정말
를 많이 했다고 해서
딥러닝을 완벽히 이해했다고 할 수 있을까요?

어떻게 시작할지에 대한 막막함
매 년 발표되는 논문만 수 천건
어렵고 부담스럽기만한 논문
기초없이 무작정 시작하면 리뷰는 시작도 할 수 없고,
어떤 논문을 리뷰해야 도움이 되는지 알 수 없으며
리뷰만 해서는 실력 향상에 큰 도움이 안됩니다.

결국,
답은

| 강의특징

01
더 이상 딥러닝 입문 강의를
찾지 않으셔도 됩니다.
논문 리뷰와 구현의 중요성은 모든 딥러닝 전문가들이 입을 모아 이야기하고 있습니다. 우리는 본 과정에서 딥러닝을 이끄는 양대 알고리즘인 CNN(이미지 인식 관련)과 RNN(자연어처리, 음성인식 관련)을 학습합니다. 특히 학습 단계에서 CNN과 RNN을 가장 효과적으로 학습할 수 있는 3가지 논문을 직접 리뷰하고 구현함으로써 딥러닝에 확실히 입문할 수 있도록 도와드립니다.
02
딱 3개의 논문을
리뷰하고 구현합니다.
논문 30개를 리뷰해주겠다고 하는 강의도 있을 정도입니다. 그런데 논문 수십개를 리뷰한다고 해서 그 기술이 내 것이 될까요? 물론 딥러닝 전문가의 경우 논문을 습득하는 시간이 굉장히 빠를테지만 입문자에게는 짧은 시간에 그 많은 논문을 ‘리뷰’만 한다는건 아무런 의미가 없습니다. 딱 3개. 우리는 입문에 반드시 필요한 논문 3개에 집중하여 리뷰하고 구현합니다.
03
스스로 자신의 딥러닝 스킬을 키워나갈 수 있도록 안내합니다.
본 과정은 리뷰를 위한 논문을 직접 가져오는 단계부터 시작하여 가져온 논문을 리뷰하고 구현합니다. 특히 딥러닝을 적용하기 쉬운(학습에 용이한) 맞춤형 데이터를 바탕으로 오차없이 커리큘럼을 그대로 습득할 수 있습니다. 즉, 강의가 끝난 후 내가 강화시켜 나가고 싶은 분야와 관련된 논문을 스스로 찾아내는 방법을 익힐 수 있도록 도와드립니다.
파이토치는 다른 딥러닝 프레임워크와 비교하여
명확한 장점을 가지고 있습니다.
최근 파이토치 사용자 급증
훨씬 간결하고 직관적인 코드로
입문자에게 적합한 프레임워크
더욱 빠른 연산 처리 속도
본 과정은 딥러닝이 완전 처음이거나,
입문했더라도 방향을 잡지 못하는 분들을 위한 과정입니다.
다양한 자료와 탄탄한 커리큘럼으로 입문을 도와드립니다.
입문에 꼭 필요한
논문 리뷰 및 구현
혼자서도 예·복습 할 수 있는
탄탄한 강의자료
효과적인 구현을 위한
맞춤형 데이터 실습
주목받는 신약개발 스타트업의 AI 엔지니어이자
고려대학교 석사과정에서 딥러닝을 연구하는
현업 전문가에게 직접 배웁니다.
김준태 강사
(현) 신약개발 AI 스타트업 AI Engineer
(현) 고려대학교 석사과정
– 세종국책연구단지 딥러닝 세미나 발표
– 1st 함께하는 딥러닝 컨퍼런스 발표
– 에이전트를 부탁해 2018 발표
– 한국 항공우주연구소 딥러닝 세미나 발표
– GDG Devfest Seoul 2018 발표
– 2nd 함께하는 딥러닝 컨퍼런스 발표
– GDG Deafest Pangyo AI Production 워크샵 멘토

| 수강효과

01
파이토치를 활용한
딥러닝 완벽 입문
우리는 지금까지 탄탄한 기본기와 실습경험을 바탕으로 ‘파이토치’를 활용하여 딥러닝에 완벽하게 입문하였습니다. 현재 데이터 직군에서 ‘파이토치’를 다룰 수 있는 사람이 많지 않은 만큼 굉장히 매력적인 포인트를 갖춘 셈이기도 합니다. 이제 파이토치만이 가진 장점을 바탕으로 딥러닝을 다양하게 활용해보세요!
02
딥러닝 전문가를 위한
다음 단계 설정 가능
우리가 학습한 딥러닝 알고리즘은 대표적으로 CNN과 RNN입니다. 두 알고리즘은 현재 가장 활발하게 사용되고 있는 딥러닝 알고리즘의 두 축이기도 합니다. 이후 취업을 위해, 혹은 실무 성과를 위해 딥러닝을 어떻게 학습하고 활용해나갈 지 스스로 설정할 수 있으며, 강사님께 피드백을 받을 수 있습니다.
03
현업 딥러닝 전문가의
논문 및 실무 컨설팅 기회
실제 딥러닝이 활용되고 있는 신약개발회사에서 딥러닝을 활용하고, 고려대학교에서 석사과정을 밟고 있는 강사님이 수강생분들이 가지고 있는 고민을 함께 나누어 나갑니다. 현업에서 딥러닝을 어떻게 적용해야할 지, 딥러닝 관련 논문을 발표해야 하는데 어떻게 접근하면 좋을지 등 현장 경험과 논문 발표 경험을 가지고 있는 강사님에게 컨설팅 받아보세요!

| 수강대상

pandas와 numpy 등 파이썬 기초 라이브러리를 알고 있는 수강생

딥러닝이 완전 처음이거나 이미 딥러닝에 입문을 했으나 다음 단계를 설정하지 못하는 수강생

대학원 논문을 작성하고 있거나 현업에서 딥러닝을 사용해 성과를 내기 위해 조언을 받고 싶은 수강생

"파이썬을 전혀 모르는 데 수강할 수 없는걸까?"

수강대상을 보고
자신은 파이썬을 전혀 모르는
데.알.못이라고 걱정하지 마세요!
수강생 분들의 성장을 위한 의지와 열정에
러닝스푼즈가 최선을 다해 도와드리겠습니다.

파이토치를 활용한 딥러닝 입문.
3번의 논문 리뷰와 구현으로 완벽하게 도와드립니다!

| 수강후기

| 커리큘럼

많은 분들이 처음 공부할 때 이 둘의 차이점을 많이들 헷갈려 하십니다. 1회차 강의에서는 이런 머신러닝, 딥러닝에 대해 알아보고 딥러닝에 들어가기 전 머신러닝에서 사용되고 있는 회귀(regression), 분류(classification) 등의 개념에 대해 알아봅니다. 실습시간에는 텐서에 대해 배운 후 텐서를 자유롭게 다루는(slicing등등) 연습을 합니다. 또한 linear regression, logistic regression을 직접 구현하여 실험합니다.

이론
– 인공지능, 머신러닝 딥러닝이란?
– 지도학습, 비지도학습이란?
– 선형회귀(Linear Regression)이란?
 • 손실 함수(loss function)이란?
 • 경사하강법(gradient descent)란?
– 로지스틱 회귀(Logistic Regression)이란?
 • 로지스틱 회귀에서의 손실 함수란?

실습
– pytorch를 이용하여 tensor를 자유자재로 다루는 연습
– pytorch로 Linear Regression을 구현
– pytorch로 Logistic Regrssion을 구현
머신러닝의 많은 종류 중 하나인 뉴럴넷이 어떻게 만들어져 있는지 확인해 봅니다. 많은 뉴럴넷을 이루고 있는 딥러닝을 학습시키려면 단순 gradient descent만을 사용해서는 학습이 거의 불가능합니다. 이런 뉴럴넷을 지금까지도 어떻게 학습시키고 있는지 같이 직접 계산해보면서 확인해 봅니다.

이론
– 인공신경망(Artificial Neural Network)이란?
– 역전파(Backpropagation)란?

실습
– pytorch의 Dataset과 DataLoader 알아보기
– Neural Network를 이용하여 손글씨 인식하기
– 학습이 잘 되고있는지 확인하기 위해 gradient checking 코드 만들어보기
CNN(Convolutional Neural Network)는 영상, 음성, 텍스트 분야에서 사용되고 있습니다. 그중에서 영상 인식을 위해 많이 사용되고있습니다. CNN을 구성하고 있는 Convolution 필터에 대해 알아보고 중요한 특징을 추출하기 위한 Pooling 방법에 대해 알아봅니다. 걸그룹 데이터를 이용하여 딥러닝 모델을 학습시키기 위한 Dataset, DataLoader를 구성하고 학습시켜 인식을 해봅니다.

이론
– Convolution 필터에 대해 알아보자
– Pooling Layer에 대해 알아보자

실습
– 걸그룹 얼굴 데이터를 이용하여 Dataset, DataLoader를 구성해보자
– CNN을 이용하여 걸그룹 얼굴을 구별해 보자
딥러닝을 학습을 시키다 보면 오버 피팅(overfitting), local minima라는 문제를 주로 겪게 됩니다. 이를 해결하기 위한 여러 optimizer 혹은 학습 테크닉 등이 연구되었고 현재도 계속 연구가 되고 있습니다. 이런 방법들을 이용하여 여러 CNN구조들도 연구 되었습니다. 실습시간 때는 여러가지 CNN모델 중 DenseNet 논문을 직접 읽고 직접 구현하여 걸그룹 얼굴 데이터를 학습시켜 봅니다.

이론
– 모델 성능을 향상시킬 수 있는 다양한 optimize를 알아보자
– 모델 초기화(initialization)를 하는 방법들을 알아보자
– 오버피팅을 방지하는 배치 정규화(Batch Normalization), 드롭아웃(Dropout)을 알아보자
– 다양한 합성곱 신경망(CNN) 모델들에 대해 알아보자

실습
– ResNet논문을 직접 읽으면서 구현하여 걸그룹 얼굴을 인식해보자
딥러닝 연구분야 중 설명 가능한 인공지능 XAI(Explanable AI)라는 분야가 있습니다. 즉 딥러닝이 왜 잘되는지 모르기때문에 설명하기 위해 연구되는 분야입니다. 영상 분야에서는 CNN이 영상의 어느 부분을 보고 예측하는지 표시해 주는 Grad-CAM이라는 방법을 주로 사용합니다. 이번 시간에는 Grad-CAM 논문을 직접 읽고 구현한 후 걸그룹의 어느 부분을 보고 예측하는지 실험해봅니다.

이론
– GRAD-CAM 논문 살펴보기

실습
– 4회차에서 구현 한 ResNet을 이용하여 Grad-CAM논문을 구현하자
– 걸그룹 이미지의 어느 부분을 보고 예측하는지 실험해보자
시간에 따라 변하는 데이터를 처리하기 위한 순환 신경망(Recurrent Neural Network)가 있습니다. 처음에 나온 RNN은 gradient vanishing, gradient exploding문제로 인해 여러가지 형태로 발전되었습니다. 이번 시간에는 RNN, LSTM, GRU에 대해 알아봅니다. 또한 실습시간 때는 미국 주식 데이터(S&P500) 데이터를 가지고 주식가격을 예측해 보고 결측값이 있는 데이터에 사용되는 GRU-I 논문을 읽은 후 GRU-I를 구현하여 실험해봅니다.

이론
– RNN에 대해 알아보기
– LSTM에 대해 알아보기
– GRU에 대해 알아보기

실습
– 미국 주식 데이터(S&P500) 데이터 전처리 해보기
– 기본 GRU를 튜닝한 GRU-I논문을 읽고 직접 구현하여 주식가격을 예측해보자

| 강사소개 및 인터뷰

김준태
(현) 신약개발 AI 스타트업 AI Engineer
– 고려대학교 석사과정
– 세종국책연구단지 딥러닝 세미나 발표
– 1st 함께하는 딥러닝 컨퍼런스 발표
– 에이전트를 부탁해 2018 발표
– 한국 항공우주연구소 딥러닝 세미나 발표
– GDG Devfest Seoul 2018 발표
– 2nd 함께하는 딥러닝 컨퍼런스 발표
– GDG Deafest Pangyo AI Production 워크샵 멘토
1. 자기소개 부탁드립니다.
안녕하세요 신약개발 AI 스타트업에서 AI Scientist로 연구하고 있는 김준태입니다. 학부생 시절에는 자동차 게임의 주행 데이터를 사용하여 실제 유아용 전동차를 튜닝해서 서버와 통신하면서 자율주행하는 자율주행을 연구했었고 대학원에 입학해서는 결측치가 있는 시계열 데이터를 딥러닝으로 해결하는 방법을 연구했었습니다. 회사에 들어와서는 딥러닝을 이용하여 신약개발을 연구 중에 있습니다.
2. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?
본 강의는 크게 아래와 같은 내용을 다룹니다.

• 딥러닝의 이론적인 기본기
• 데이터 전처리 및 모델 구성
• 논문을 읽고 논문을 코드로 구현하기

딥러닝을 처음 접하는 사람들을 위한 강의로 기초 단계에서 간단한 논문들을 직접 보고 구현까지 할 수 있는 단계로 도약하기 위한 강의입니다. 기초 강의인 만큼 기본기에 충실한 내용들을 다룹니다. 물론 멋진 최신 모델들도 다루는 것도 좋지만 최신 모델들을 좀 더 본질적으로 이해하기 위해서는 기본기가 매우 중요합니다. 본 강의에서는 딥러닝의 정의 및 학습방법 그리고 CNN, RNN의 이론을 다루게 되고 실습 때에는 단순 프레임워크만 사용하기보다는 내부적인 구조도 같이 보면서 학습을 합니다. 또한 모델 구현할 때는 ppt가 아닌 실제 논문을 한 줄 한 줄 같이 보면서 구현 연습을 합니다.
3. 본 강의에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?
본 강의를 수강하시면 현업에서 응용할 수 있는 딥러닝의 기본적인 내용 및 실습 내용들을 얻어 가 실수 있습니다. 특히 5주 차, 6주 차 에서 다루는 Grad-CAM, GRU-I 같은 경우는 현업에서 만날 수 있는 문제들에 대해 다루게 됩니다. 딥러닝의 설명이 불가능하다는 점을 해결하기 위해 CNN 모델이 어느 부분을 보고 예측하는지 설명하기 위해 Grad-CAM을 많이 사용하고, 시계열데이터 같은 경우는 스마트 팩토리, 센서 데이터를 다룰 때 결측데이터가 주로 발생하게 되는데 이를 해결하기 위해 사용합니다. 또한 새로운 논문이 나오거나 강의 내용에서 좀 더 심화된 내용을 논문을 보고 공부하실 때 직접 논문을 구현하면서 실습을 하실 수 있게 됩니다.
4. 다른 강의와 어떤 차별 점이 있나요?
딥러닝은 논문을 보고 이해한다는 것이 어떤 것일까요? 이론적으로만 잘 아는 것이 딥러닝을 잘 이해하고 잘 사용하는 것일까요? 저는 논문을 그대로 구현까지 했을 때 완전히 이해를 했다고 생각합니다. 이러한 이유로 저는 논문의 이론적인 부분만 이해를 하는 것이 아닌, 강사가 정리한 내용을 보고 이해만 하는 것이 아닌 직접 arxiv(논문을 수집하는 웹사이트)에서 논문을 열어서 같이 구현하는 커리큘럼을 넣었습니다. 또한 현업에서 수강생 여러분들이 본인들만의 데이터셋을 직접 구축하여 딥러닝 모델을 학습시켜야 하는 문제를 해결하기 위해 pytorch에 내장되어 있는 MNIST, Cifar10등의 데이터만 사용하는 것이 아닌 걸그룹 데이터와 미국 주식(S&P500)데이터를 직접 전처리를 하면서 Dataset, DataLoader를 만드는 연습도 하게 됩니다.
5. 마지막으로 수강생들에게 하고 싶으신 말
딥러닝은 단순 프레임워크만 잘 사용한다고 해서 잘하는 것이 아닙니다. 저도 아직까지도 많이 부족함을 느끼고 있습니다. 저도 수강생 여러분들과 마찬가지로 딥러닝을 처음 공부할 때가 있었고, 어려움을 많이 느끼고 힘들게 공부를 했었습니다. 이런 경험을 바탕으로 처음 공부할 때 제가 놓쳤던 부분들에 대해 많이 강조를 하면서 강의를 진행할 것입니다. 6주 동안의 강의를 통해 전문가가 될 수는 없습니다. 하지만 어느 부분을 공부를 해야 하고 앞으로 딥러닝을 어떻게 공부해야 하는지는 알 수 있을 것입니다. 저는 이 강의를 통해 수강생 여러분들이 스스로 논문을 찾아가면서 코드를 구현하는 방법을 알려드리고 싶습니다. 그렇다면 어느샌가 스스로 논문의 단점을 찾아가면서 스스로 연구를 하고 있지 않을까요? 강의가 끝난 후에는 저와 같이 연구를 하고 있는 수강생 여러분들을 기대합니다!
85만 원65만 원

수강신청은 결제 순으로 선착순 마감될 수 있습니다.

개강 후 환불은 학원법 시행령 <제18조 제3항> 수강료 반환기준에 의거합니다.

# 환불 세부규정 확인하기 (클릭)

20만 원 할인, 놓치지 마세요!