[비대면] CNN Best Model 활용과 Transfer Learning

교육일정

07월21일~ 07월22일
주간(15시간) 9시~18시
비대면 온라인 교육 -label.lectureRoom /정원 21label.person 강사 김수현 type.lecturestatus.finish
10월20일~ 10월21일
주간(15시간) 9시~18시
비대면 온라인 교육 -label.lectureRoom /정원 21label.person 강사 김수현 수강신청
12월08일~ 12월09일
주간(15시간) 9시~18시
비대면 온라인 교육 -label.lectureRoom /정원 21label.person 강사 김수현 수강신청

label.lecture.goal

- CNN 기본 아키텍처와 핵심 기술을 이해할 수 있다.
- CNN Best Model 아키텍처의 주요 특징을 파악하고 이들 모델의 활용 사례를 학습한다.
- Transfer Learning & Fine Tuning 기법을 이해할 수 있다.
- Best Model을 이용한 Transfer Learning & Fine Tuning 을 구현할 수 있다.

label.lecture.content

가. CNN 기본 아키텍처와 핵심 기술 이해
나. CNN Best Model 아키텍처 분석과 활용
다. Transfer Learning & Fine Tuning 기법의 이해와 구현

label.lecture.target

수강 대상
가. AI 제품 기획/설계/기술지원/테스팅/감리/컨설팅 관련 자
나. 딥러닝 베스트 모델 아키텍처를 분석 및 활용하고자 하는 자
다. 딥러닝 활용 기술을 습득하고자 하는 자
라. Transfer Learning & Fine Tuning 방법을 이해하고 구현하고자 하는 자

신청 자격
협약기업 재직자(고용보험 납부) 및 회원사 재직자 지원가능

과정 수강 안내
1. 과정 개강/폐강 확정
개/폐강 여부는 개강 1주일 전에 확정됩니다. 추후 과정 확정 여부 및 기타 안내사항은 교육을 신청해주신 모든 분들에게 개별 안내 드립니다.
2. 교육 대기상태
교육 대기상태에서는 수강에 제한이 있을 수 있습니다. 개강이 확정 된 후 교육 승인되신 분들은 교육 '확정' 상태로 변경됩니다.
3. 개강 안내
개강 안내 메일 및 문자는 개강 일주일 전에 발송됩니다.


패널티 안내

선착순으로 마감되는 교육과정일 경우 교육을 받고 싶어도 받지 못하는 분들이 계실 수 있습니다.
원활한 강의 진행을 위해 아래 경우에 패널티가 부여됨을 알려드립니다.
- 교육 당일 사전 연락없이 결석 시 (당일 No Show)
- 교육 중 사전 연락없이 이탈 시
패널티를 3번 이상 부여받은 경우 수강생은 3개월 동안 수강제한을 받습니다.
이러한 수강생이 3분 이상일 경우 재직 중이신 회사의 모든 수강생은 3개월 수강제한을 받습니다.



과정 커리큘럼

가. CNN 기본 아키텍처와 핵심 기술 이해
- 컴퓨터 비전의 역사
- CNN 아키텍처 이해하기
- CNN 핵심 기술요소(CONV/POOL) 이해와 구현 방법 습득하기
- CNN 모델 구현하기
- CNN Visualization 구현하기

나. CNN Best Model 아키텍처 분석과 활용
- AlexNet/VGG 모델 아키텍처 분석 및 활용하기
- GoogLenet(Inception) 모델 아키텍처 분석 및 활용하기
- ResNet 모델 아키텍처 분석 및 활용하기
- MobileNet 모델 아키텍처 분석 및 활용하기

다. Transfer Learning & Fine Tuning
- Transfer Learning 개념 이해하기
- CNN Best 모델을 활용한 Transfer Learning 구현 실습


비대면 과정

해당 과정은 Zoom을 통한 비대면 라이브 과정입니다.
필수는 아니오나 과정 수강 시 캠 활성화 요청 드립니다.

label.course.center

[판교 교육장] 031-606-9337, [가산 교육장] 02-6278-9353

label.course.relation

선수과정

  • label.norecord

[비대면] CNN Best Model 활용과 Transfer Learning

후수 과정

  • label.norecord