과정 내용				구분
1과목	Python 프로그래밍 기초
	1. Python 환경 준비	1.1 환경준비	1.1.1 Python이란?	이론
			1.1.2 Python 준비(아나콘다)	이론+실습
			1.1.3 Jupyter NoteBook 환경 구축	이론+실습
	2 Python 프로그래밍	2.1 Python 기초	가) 데이터 형태	이론+실습
			나) 데이터 구조	이론+실습
			다) 연산자	이론+실습
			라) 조건문	이론+실습
			마) 반복문	이론+실습
			바) 사용자 정의 함수	이론+실습
			사) 클래스	이론+실습
		1.2.2 라이브러리의 이해	가) numpy	이론+실습
			나) pandas	이론+실습
			다) Scikit-learn	이론+실습
			라) matplotlib	이론+실습
2과목	Tensorflow
	2.1 텐서플로 소개	2.1.1 텐서플로란		이론
		2.1.2 텐서플로의 활용 분야	가) 머신러닝에서의 활용	이론
			나) 딥러닝에서의 활용	이론
	2.2 텐서플로 환경 구축과 설치	2.2.1 CPU 버전설치
		2.2.2 GPU 버전 설치	가) PC의 GPU사양 확인	이론+실습
			나) NVIDIA CUDA & cuDNN 설치와 설정	이론+실습
			다) 라이브러리 설치 (libcupti-dev)	이론+실습
			라) 텐서플로 설치	이론+실습
		2.2.3 GPU 관리하기	가) 디바이스 배치	이론+실습
			나) GPU메모리 조절	이론+실습
			다) 복수 GPU시스템 활용 및 단일 GPU 할당하기	이론+실습
	2.3 텐서플로 기초	2.3.1 개념	가) 그래프와 텐서	이론+실습
			나) 세션과 페치	이론+실습
			다) 데이터 타입과 연산자	이론+실습
			라) 변수와 플레이스홀더	이론+실습
		2.3.3 실습	가) 선형 회귀 모델 구현 실습	이론+실습
			나) 로지스틱 회귀 모델 구현 실습	이론+실습
3과목	Basic Definition for Deep Learning
	3.1 딥러닝을 위한 수학 기초	3.1.1 미분	가) 도함수와 편도함수	이론
			나) 미분계수와 편미분계수	이론
			다) 편미분 기본 공식	이론
			라) 합성함수의 편미분	이론
			마) 전미분	이론
		3.1.2 선형대수	가) 벡터의 개념과 연산	이론
			나) 행렬의 개념과 연산	이론
	3.2 딥러닝개요	3.2.1 딥러닝이란	가) 신경망의 필요성	이론
			나) 딥러닝의 개념	이론
		3.2.2 딥러닝 활용	가) 딥러닝의 특징	이론
			나) 딥러닝 활용	이론
	3.3 신경망 이해하기	3.3.1 퍼셉트론	가) 퍼셉트론의 개념	이론
			나) 퍼셉트론 구현 실습	실습
		3.3.3 ANN	가) ANN 개념과 구조	이론
			나) 신경망의 동작 원리	이론
		3.3.3 활성화함수	가) 시그모이드 함수	이론
			나) 계단함수	이론
			다) ReLU	이론
			라) 소프트맥스	이론
		3.3.4 행렬곱		이론
		3.3.5 3계층 신경망 구현 실습		실습
		3.3.6 모델 평가		이론+실습
		3.3.7 역전파		이론+실습
		3.3.8 경사하강법		이론+실습
		3.3.9 오차함수		이론+실습
		3.3.10 학습률		이론+실습
4과목	Deep Learning with TensorFlow
	4.1 DNN	4.1.1 DNN	가) DNN 개념	이론
			나) DNN 구조	이론
		4.1.3 DNN 구현 실습 (MNIST 데이터 활용)		실습
		4.1.3 신경망 계층의 시각화 (텐서보드 이용)		이론+실습
		4.1.4 학습 결과 시각화 (matplotlib 이용)		이론+실습
	4.2 CNN	4.2.1 CNN 개념과 구조		이론
		4.2.2 합성곱층		이론
		4.2.3 풀링층		이론
		4.2.4 전결합층		이론
		4.2.5 출력층		이론
		4.2.6 CNN 구현 실습 (CIFAR10 데이터 활용)		실습
	4.3 RNN(Recurrent Neural Network)	4.3.1 RNN 개념과 구조	가) RNN 개념	이론
			나) RNN 구조	이론
		4.3.2 CNN과 RNN이 차이		이론
		4.3.3 RNN의 활용분야	가) 영상 내 물체 인식 및 생성	이론
			나) 시계열 예측	이론
			다) 음성인식 및 언어 번역	이론
		4.3.4 RNN의 종류와 기본 동작		이론
		4.3.5 RNN 학습	가) BPTT 알고리즘	이론
		4.3.6 RNN의 문제	가) Vanishing Gradient Problem(기울기값이 사라지는 현상)	이론
			나) LSTM의 개요	이론
			다) RNN과 LSTM의 비교	이론
		4.3.7 RNN 실습		실습
부록	추가 검토중인 컨텐츠	X.1 아마존 웹 서비스(AWS)를 이용해 텐서플로 활용하기
		X.2 구글 클라우드 플랫폼에서 텐서플로 활용하기
		X.3 Microsoft Azure에서 텐서플로 활용하기
		X.4 Naver Cloud Platform에서 텐서플로 활용하기

로그인

회원가입

교육과정소개

세부커리큘럼