수강 대상
가. 머신러닝/딥러닝 활용 심화 기술을 습득하고자 하는 분
나. 머신러닝 비지도 학습 모델 활용에 대한 insight를 얻고자 하는 분
다. 딥러닝 모델 성능 향상을 위한 훈련 방법을 알고 싶은 분
라. Tensorflow2의 특화 기능을 활용하고 싶은 분
마. CNN&RNN 혼합 딥러닝 모델 구현 방법을 알고 싶은 분
* 사전지식 : 파이썬 프로그래밍, 머신러닝/딥러닝 기본 지식, CNN&RNN 기본 지식
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 "대기"상태에서는 교육 승인상태가 아닙니다. 개강이 확정 된 후 교육 승인되신 분들은 교육 '확정' 상태로 변경됩니다.
3. 개강 안내
개강 안내 메일 및 문자는 개강 일주일 전에 발송됩니다.
과정 커리큘럼
1일차
가. 비지도 학습 모델 구현
- 군집을 사용한 이미지 분할 구현
- 군집을 사용한 준지도 학습 구현
- 비지도학습 모델을 사용한 이상치 탐지
2일차
나. 심층 신경망 성능 향상을 위한 훈련 기법
- Gradient Vanishing & Exploding 문제 해결하기
- 사전 훈련된 층 사용하기
- 고속 Optimizer 사용하기
- 규제를 사용한 Overfitting 피하기
다. Tensorflow2를 사용한 사용자 정의 모델 구현
- 사용자 정의 Loss Function
- 사용자 정의 요소를 가진 모델 저장 및 로드
- 활성화 함수, 초기화, 규제, 제한 커스터마이징
- 사용자 정의 Metrics, Layers, Models, Trainings
3일차
라. Tensorflow2에서 고급 API 사용
- Sequential API를 이용한 CNN 모델
- Functional API를 이용한 비선형 토폴로지, 공유 레이어 모델
- Subclassing API를 이용한 전문가용 훈련 Loop 작성
마. CNN & RNN 응용 딥러닝 모델 구현
- 전이학습을 활용한 deep CNN 모델 작성
- Autoencoder 모델 작성
- RNN과 autoencoder 모델을 이용한 이상치 탐지
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.
비대면 과정
해당 과정은 Zoom을 통한 비대면 라이브 과정입니다.
필수는 아니오나 과정 수강 시 캠 활성화 요청 드립니다.