누구나 할 수 있는 딥러닝 입문

: tensorflow를 활용한 딥러닝 설계 실습

난이도
3.5/5
딥러닝, 직접 모델을 설계하고 응용할 수 있어야 합니다.
실무 전문가가 딥러닝을 활용하는 노하우를 그대로 배워가세요.
 

딥러닝의 네트워크 구조를 이해를 바탕으로, 1:1로 매칭되는 실습 사례로 구현 방법을 배웁니다. 최종적으로 데이터셋이 주어졌을때 딥러닝 모델을 설계하고 응용할 수 있도록 하는 것을 목표로 하는 딥러닝 강의 입니다. 강의 후반부에는 딥러닝을 활용한 대표적 사례인 영상인식에 대해 배웁니다. 이미지 분류(Classification) / 이미지 분할(Segmentation) / 이미지 속 물체인식(Object Detection) 등을 실제 데이터로 딥러닝을 적용해보며 이해도를 높입니다.


일    정03.22 ~ 04.19 | 5회
매주 일요일 14:00 ~ 17:00 | 일 3시간
총 15시간 강의
정    원10명(소수정예)
준비물노트북(64bit)
가    격75만 원50만 원
장    소러닝스푼즈 강의장
강남대로94길 15, S2빌딩 3층

* 강남역 11번 출구 3분 거리 (지도확인)
딥러닝 입문

딥러닝 핵심 알고리즘 이해부터 Tensorflow
코드 가이드까지 밀착형 강의

딥러닝은 자율주행/자연어처리/음성인식/패턴분석 등 다양한 분야에서 성과를 보이고 있습니다. 하지만, 비교적 오랜 경험으로 안정적인 구현과 운영이 가능한 기존의 IT기술과 다르게 새로운 방법론을 빠르게 습득하고 실무에 적용할 수 있는 노하우를 터득하는 것이 필요합니다. 딥러닝의 깊이있는 이해와 실무에서 이미 활용하고 있는 경험자의 가이드가 필요한 때입니다.

글로벌 기업 영상인식 전문가에게 배우는 실무형
딥러닝 입문

딥러닝을 정확히 알고 사용할 수 있도록 Python / Tensorflow / Keras 프로그래밍 -> 딥러닝 모델 -> 딥러닝을 활용한 영상처리 실습의 체계적인 커리큘럼으로 구성되어 있습니다. 실습용 예제가 아닌, 실제 데이터를 이용하여 Dataset, Network, Implementation, Visualization 를 직접 확인하면서 실무에서 활발히 활용하고 있는 딥러닝 노하우를 배워보세요!

| 강의특징

딥러닝 이해부터 영상처리 실습까지

기존의 수동적 마케팅 & 기획 전략은 매출 상승을 극대화하기 어렵습니다. 요소들을 통제하기 위한 불필요한 노력들과 한정된 시간 내 많은 테스트를 진행해야 했기 때문입니다. 하지만 머신러닝을 이용하면 엄청난 규모의 경우의 수를 테스트하여 매출 상승을 극대화할 수 있으며, 새로운 인사이트를 뽑아낼 수 있습니다.

Python, Tensorflow, Keras 활용한 구현 방법

딥러닝 모델을 구현하기 위해, Python 언어로 데이터를 다루는 방법부터 Tensorflow & Keras 라이브러리를 사용하는 방법까지 배울 수 있습니다. 동일한 모델을 두가지 방법으로도 구현해보며 그 차이점을 명확히 알 수 있습니다.


딥러닝 입문자를 위한 1:1 코칭

딥러닝 입문자에게 가장 어려운 것은 딥러닝 모델의 배경이 되는 수학적 이해와 구현입니다. 입문자를 위한 딥러닝 강의, 알기쉽게 단계별로 설명하는 수학적 이해로 네트워크 구조를 이해하고, 소수정예 1:1 코칭으로 구현 방법을 꼼꼼하게 배울 수 있습니다.
 

| 수강대상

딥러닝 입문

실제 데이터를 활용해
딥러닝 모델을 구현하고 싶은 분

지금 당장 내 업무에
딥러닝을 활용하고 싶은 분

딥러닝에 입문하고자 하는 분

파이썬 데이터 분석

딥러닝을 업무에 활용하고 있으나,
모델의 이해가 부족한 분

최신 영상처리 기법을 배워 활용하고 싶은 분

딥러닝은 수학적인 이해와 구현 모두 중요합니다.
본 강의를 통해 수학적인 이해력으로 네트워크의 구조에 대해 이해하고 응용력을 갖춰보세요.

이론적 지식에 대한 탄탄한 이해를 바탕으로 머신러닝의 흐름을 학습하고,
실제 데이터를 이용한 영상처리 실습으로 딥러닝 모델 설계할 수 있는 역량을 키워보세요!

| 실습예시

딥러닝의 정확한 이해는 물론, 실무에 바로 활용할 수 있는 노하우도 함께 배워보세요.

| 수강효과

딥러닝 모델을 설계할 수 있는 능력

딥러닝은 수학적인 이해가 있어야 네트워크 구조를 알 수 있고 응용력을 갖출 수 있습니다. 본 ‘딥러닝 강의’ 는 수학적인 이해는 물론, 이를 바탕으로 모델을 직접 설계할 수 있도록 합니다.

실제 데이터 이용한
딥러닝 모델 구현

Python, Tensorflow, Keras 등을 이용해 딥러닝 모델을 직접 구현합니다. 뿐만아니라, 실제 데이터를 다루기 때문에 수업이 끝난 이후 어느 정도 잘 정제된 본인의 Data들에 바로 적용해 볼 수 있게 됩니다.

최신 딥러닝 기법 활용

비지도학습, 지도학습의 차이와 대표적인 알고리즘, 수학적 모델을 살펴봅니다. 딥러닝 기법을 적용할 수 있는 물체인식(Object Detection), 이미지분할(Segmentation), 이미지분류(Classification) 모델 실습을 통해 딥러닝 기반의 영상처리 기법을 이해하고 구현할 수 있습니다.

| 수강후기

#강사님피드백 #자유로운질문

머신러닝과 딥러닝에 대한 관심은 많았지만, 정말 하나도 모르는 입문자였습니다. 관련 자료를 찾아서 공부도 해봤지만 참고할 수 있는 자료를 쉽게 구하기도 어려웠구요. 궁금한 점도 바로 해결할 수 없어 오프라인으로 딥러닝 강의 수강을 하게 되었습니다. 그래서 더욱 만족했던 강의입니다. 딥러닝에 대한 전체적인 맥락을 바로 잡아주는 것뿐만아니라, 궁금했던 점들에 대해서 자유롭게 질문하고 피드백을 받을 수 있는 분위기 입니다. 오프라인 강의는 궁금한 점을 바로 해결하고, 피드백받을 수 있어야 한다고 생각하는 점에서 특히 만족했던 강의입니다.

정하진 님 후기

대학생

#딥러닝 전반적인 이해 #실제 사례

딥러닝이 적용되는 주요 사례에 대한 이해가 필요해서 수강하게 되었습니다. 아무래도 제가 판매영업 직군이기 때문에 저희 회사가 제공하는 서비스들이 어떻게 동작되는지 구체적으로 설명할 수 있는 지식이 필요했습니다. 이제는 딥러닝이 무엇인지 어디가서도 말할 수 있을 정도로 이해하고 있고, 클라이언트에게도 설명할 수 있어 만족합니다.

딥러닝 입문

김지원 님 후기

판매영업

#이론과 코드의 연계 #딥러닝 강의

매주 배우는 이론적인 부분과 실습의 코드가 매칭되어 강의가 진행되어 수업 이후에도 활용도가 높아졌어요. 사실 코드는 인터넷을 통해 어느 정도 수집해본 적이 있는데, 정작 코드를 수정하려고 하면 어디서부터 어디까지 수정해야 되는지를 잘 모르겠더라구요. 그래서 실제 현업에서 딥러닝을 사용하고 있는 전문가는 어떤 방식으로 사용하고 있는지 알고 싶어 수강하게 되었어요. 특히, 이론을 설명하시면서도 업무에서 어떻게 활용하고 코드로 작성할 때 팁은 무엇인지를 정확하게 알 수 있는 점이 가장 좋았어요.

딥러닝 입문

정수민 님 후기

마케팅 분석

#10점 만점 #연구활용

대학교에서 연구 활동을 하고 있습니다. 딥러닝을 활용한 비즈니스 사례가 많아지면서 본인의 연구에도 딥러닝 기술을 적용하기 위해 수강하게 되었습니다. 실제로 책에서 볼 수 없었던 내용들이 현업에서 어떻게 활용되고 있는지 알 수 있었던 점이 만족스러웠습니다.


딥러닝 입문

전창수 님 후기

연구원

| 커리큘럼

첫 번째 강의에서는 Python 언어 프로그래밍 기법에 대해 살펴보고, 이를 활용하여 직접 프로그래밍을 해볼 것입니다. Python 언어는 스크립트 작성과 프로세스 자동화, 웹 개발, 일반 애플리케이션 등 여러 소프트웨어 개발 영역에서 큰 인기를 누리고 있으며, 최근에는 딥러닝(Deep Learning) 분야에서도 각광 받고 있는 언어입니다. 본 과정에서는 딥러닝 모델에 사용될 data를 어떻게 읽어오는지, 그리고 필요한 data를 어떻게 추출하고 정렬, 시각화 하는지 직접 실습 해볼 것입니다.


이론 및 실습

  • Python 프로그래밍 학습
  • csv 포맷 data 읽어오기, excel data 읽어오기
  • 읽어온 data를 필요에 맞게 정렬, 추출, 시각화 하기

두 번째 강의에서는 Python위에서 동작하는 Tensorflow 라이브러리에 대해 살펴볼 것입니다. Tensorflow는 딥러닝에 특화된 Python라이브러리로 딥러닝 구현에 필수적인 요소입니다. 본 회차에서는 이러한 Tensorflow라이브러리를 이용하여 어떻게 신경망 구조를 구성하고, 딥러닝 모델을 설계하는지 학습해 볼 것입니다. 실습으로 1주차에서 읽어 온 Data를 활용하여 회귀 분석, 분류 학습 모델을 직접 설계해볼 것입니다.


이론 및 실습

  • 머신 러닝의 기본 개념 이해
  • Data 추세를 그려보고 값 예측 하기
  • Logistic 분류기 (AND, OR, XOR) 만들어보기

세 번째 강의에서는 두 번째 시간에 배운 학습 모델이 어떤 원리로 학습이 되는지, 수학적 이론을 통해 깊게 살펴볼 것입니다. 머신 러닝은 Data 를 가장 잘 설명하는 모델을 찾는 것, 수학적으로는 손실 함수의 최소화라고 할 수 있습니다. 이러한 수학적인 이해가 있어야 네트워크의 구조에 대해 이해할 수 있으며 응용력을 갖출 수 있기 때문입니다. 그리고 실습으로 심층 신경망(Deep learning)기반의 대표적인 Data 추정 기법인 RNN(Recurrent Neural Network, 순환 신경망) 구조에 대해 알아봅니다. 이러한 이해를 바탕으로 복잡한 Data의 추세곡선을 추정해 볼 것입니다.


이론 및 실습

  • 기계 학습의 수학적 원리 이해하기
  • RNN 모델 구조와 학습 원리 이해하기
  • RNN 모델 구조를 활용하여 복잡한 추세 예측 모델 설계 하기

네 번째 강의에서는 이미지 데이터를 활용하여 분류 모델을 설계해 볼 것입니다. 이미지 분류 모델의 대표적인 기법으로는 CNN(Convolution Neural Network)이 있습니다. 본 회차에서는 CNN모델의 구조와 학습 원리에 대해 알아보고, MNIST Data에 대한 분류 학습 모델을 만들어 볼 것입니다. 그리고 더욱 어려운 문제를 풀기 위해서는 모델을 더 크고 확장성 있게 설계할 필요가 있는데, 이를 도와주는 Framework인 Keras에 대해 알아 볼 것입니다.


이론 및 실습

  • CNN 모델 구조와 학습 원리 이해하기
  • CNN 모델 구조를 활용하여 이미지 분류 모델 설계하기
  • 동일한 모델을 Keras Framework을 활용하여 구현하기

다섯 번째 강의는 심화주제로서, 이미지 분할(Segementation), Object Detection 등 실무에서 사용되고 있는 딥러닝 기반 영상처리 기법들에 대해 살펴보고, Kaggle data를 활용하여 모델을 직접 설계하고 실행해볼 것입니다. 본 차시에서는 이전 과정들에서 배운 각 개념들이 딥러닝 네트워크에서 어떻게 활용되고 있고, 어떻게 구조화되어 동작하는 지 살펴봄으로써 좀 더 깊은 이해가 가능할 것입니다.


이론 및 실습

  • 딥러닝을 활용할 영상처리 기법 이해하기
  • 영상처리 모델 설계 및 구현하기

| 강사소개 및 인터뷰

데이터 분석

Sean Lee

현) 대기업 영상인식 연구소
- 머신러닝 논문(KIIS) 저자

1. 자기소개 부탁드립니다.

현재 연구소에서 영상인식 관련 연구를 하고 있습니다. 딥러닝 (Deep Learning)을 처음 접하게 된 건, 컴퓨터 비전에서 기존의 방식이 보이던 한계를 뛰어넘기 위해 연구를 하던 때였습니다. ‘패턴인식’이라는 학문을 접하게 되었고, 이를 연구에 적용시켜본 것이 딥러닝 (Deep Learning)에 입문하게 된 계기입니다. 그만큼 이 학문에 대한 애정과 자부심을 갖고 있기 때문에 초심자 분들에게 제가 겪었던 시행착오나 실무 경험을 바탕으로 좋은 가이드가 되어드리기 위해 강의를 하게 되었습니다.

2. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?

머신러닝은 수학적인 이해와 구현 모두 중요합니다. 수학적인 이해가 있어야 네트워크의 구조에 대해 이해할 수 있으며 응용력을 갖출 수 있습니다. 한편 이러한 수학적인 이해를 바탕으로 직접 모델을 설계 할 수 있어야 합니다. Python에는 Tensorflow , Keras 등과 같은 라이브러리와 프레임워크가 잘 지원되고 있어 배우기 매우 용이합니다. 본 강의에서는 이론적인 내용과 실습을 1:1의 비율로 구성하여 개념에 대한 이해를 바탕으로 직접 구현을 해 봄으로써 초심자에게 알맞은 딥러닝 (Deep Learning) 학습기회를 제공합니다.

3. 본 딥러닝 강의 내용을 수강생 분들이 어떻게 활용할 수 있을까요?

3주차부터 다룰 문제 들은 실제 Data들을 활용하기 때문에, 자신이 가지고 있는 정제된 Data들에 바로 적용해 볼 수 있을 것입니다. 또한 본 과정에서의 실습 내용을 이해하고 또 직접 해보면서 본인의 분야에서 안고 있는 문제점과 각 기법들을 결부시켜 봄으로써 창의적인 아이디어를 고안하는 데 활용할 수 있습니다.

4. 주로 어떤 분야에 있는 분들이 수강 대상에 적합할까요?

딥러닝 (Deep Learning)의 기본적인 내용에 대해 전반적으로 다루고 있는 만큼, 딥러닝 (Deep Learning) 분야에 관심있고 이를 이해하고 싶은 초심자들이 입문 단계로서 수강하기에 가장 적합한 강의입니다. 이론적 배경이 되는 수학적 모델들에 대해서도 자세히 다룰 것이기 때문에 딥러닝 (Deep Learning)을 활용하고는 있으나 모델에 대한 이해가 부족하다고 느끼시는 분들에게도 추천드릴 수 있는 강의 입니다.

5. 다른 딥러닝 강의 들과는 어떤 차별 점이 있나요?

딥러닝 (Deep Learning) 이론만 공부하는 것은 실제 문제를 해결하는 것과는 괴리가 크며, 이해가 없는 실습은 응용하는 데 한계가 있습니다. 본 강의는 이론적 지식에 대한 탄탄한 이해를 바탕으로 가시적인 결과가 보이는 실습을 해 봄으로써 전반적인 딥러닝 (Deep Learning)의 흐름에 대해 보다 자세하게 이해할 수 있게 됩니다. 그리고 더 나아가 본인의 분야에 응용할 역량을 갖출 수 있을 것입니다.

 

6. 마지막으로 수강생들에게 하고 싶으신 말

최근 딥러닝 (Deep Learning) 기술은 IT 에만 국한되지 않고, 다양한 분야에서 연구하며 가시적인 성과들을 이뤄내고 있습니다. 이러한 기술의 흐름에 발맞추어, 딥러닝 (Deep Learning)에 대한 탄탄한 이해를 바탕으로 본인의 분야에서 딥러닝 (Deep Learning)을 응용한 비즈니스 성과를 고안할 수 있는 역량을 갖출 수 있으면 좋겠습니다.

 
수강료 75만 원50만 원
수강신청은 결제 순으로 선착순 마감될 수 있습니다.
개강 후 환불은 학원법 시행령 <제18조 제3항> 수강료 반환기준에 의거합니다.
   # 환불 세부규정 확인하기 (클릭)

 

25만 원 할인, 놓치지 마세요!

 

▼ 자연어처리 학습이 필요하신가요? ▼