AI/딥러닝 기반의 자율주행 및 인식기술 원리와 구현 - 입문

교육일정

07월22일~ 07월26일
주간(8시간) 9시~18시
외부 -label.lectureRoom /정원 20label.person 강사 박상현, 김현우 현재신청 18명 type.enrollinfo.none type.lecturestatus.finish
10월28일~ 11월01일
주간(8시간) 9시~18시
외부 -label.lectureRoom /정원 20label.person 강사 박상현, 김현우 현재신청 2명 type.enrollinfo.none 수강신청

label.lecture.goal

개요
Deep Learning 구조가 나타나게 된 과정과 기술을 배우고, 개발 라이브러리로 제공되는 구글의 Tensorflow + keras로 활용하여 자율주행차 등 다양한 모델을 직접 구현 실습해 봄

label.lecture.content

인공지능 개론
환경 구축 / Tensorflow 구조
Tensorflow 이론 & 실습 1
- perceptron 기반 regression, classification, Neual Network 기반 regression, classification
- 산출물 : 개발환경 구축 (PC), Perceptron regression/classification, Neural Network regression/classification
Tensorflow 실습 1 심화
- train, valid, test data 나누기, Callback 함수로 keras 고급 기능 다루기, Tensorboard 다루기 등
Tensorflow 이론 & 실습 2
- CNN 이론 및 CNN기반 regression, classification (overfitting 방지 기법 포함)
- 산출물 : keras 고급 기능 함수, CNN 기초 이론 및 CNN regression/classification
Back boarn network(alex net, vgg net, google net, rersnet) 논문 리뷰
Tensorflow 실습 2 심화
- Pretrined 학습 , Data Agumentation, activation map 확인 등
Tensorflow 실습 2 프로젝트
- cifar 10 데이터로 분류 모델 프로젝트 실습
- 산출물 : alex net, vgg net, google net, resnet 간략 논문 리뷰, CNN 심화 실습 코드
Tensorflow 이론 & 실습 3
- RNN, LSTM,GRU 이론 및 regression, 주식 예측, 날씨 예측 등 적용 실습
- 산출물 : RNN / LSTM / GRU 기초 이론, 날씨 및 주식 예측 모델 / 다양한 형태의 LSTM 모델
Tensorflow 실습 3 심화
- 다양한 형태의 LSTM 실습(양방향, CNN과 병합 등)

label.lecture.target

수강 대상
- AI 제품 및 서비스 개발자, 기술지원자, 책임자
- 딥러닝의 동작원리와 구현방법에 관심이 있는 자, 자율주행 제어기술 개발자 및 책임자

개강 안내
- 최소수강인원 접수 시 개강되며 그에 맞춰 개별 개강안내 메일 송부

수강료

- 대기업 : 160만원, 중소기업 120만원 (4일 32시간, 1인 기준)
     * KOSTA 회원사, 1개 회사의 수강 인원이 5명 이상인 경우 10% 할인

- 입금계좌정보 : KEB하나은행 257-910058-49504 (사)한국소프트웨어기술진흥협회
     * 담당자가 개별 수강여부 확인 후, 입금방법(계좌이체/카드) 상세 안내드림

문의처

- KOSTA 사무국 기술기획정책팀 최가인 선임연구원, Tel. 031-606-9316, E-mail. gichoi@kosta.or.kr

label.course.center

[판교 교육장] 재직자:031-606-9319, 채용예정자:031-606-9316
[가산 교육장] 재직자:02-6278-9353, 채용예정자:02-6278-9352

label.course.relation

선수과정

  • label.norecord

AI/딥러닝 기반의 자율주행 및 인식기술 원리와 구현 - 입문

후수 과정

  • label.norecord