Shop 아카데미 딥러닝 & Tensorflow 이해와 활용을 위한 전문가 과정 2017

딥러닝 & Tensorflow 이해와 활용을 위한 전문가 과정 2017

개요

○ 과정명: "딥러닝 & Tensorflow 이해와 활용을 위한 전문가 과정 2017"
○ 일시: 2017년 6월 9일(금) 10:00~17:00
○ 장소: 강남역(8번 출구) 모임공간 '유오워크'
○ 참가비(현재 접수 중)
ㆍ사전등록: 33만원(부가세 포함 / 자료집 제공)
ㆍ현장등록: 사전등록비에 3만3천원(부가세 포함) 추가

☞ 온라인 회원가입 및 참가신청 시 문제가 발생하는 경우가 간혹 있습니다. 이런 경우 지체 마시고 이메일로 '성함/소속/직급/이메일/휴대폰번호'를
적어 보내주시면 대신 가입 및 신청해드립니다.
☞ 결제는 온라인 카드결제와 계좌이체(169-168493-13-302 모바일광개토(주) / 우리은행)로 하실 수 있습니다.
☞ 간혹 마감 전에 '재고없음' 이라는 메시지가 나오는 경우(버그)가 있는데 이때에도 신청은 정상적으로 이루어 집니다. 다만 이럴 경우
'내정보-리포트몰장바구니'의 신청내용을 삭제하시면 더 이상 메시지가 나오니 않으며, 정상적인 신청내역은 '내정보-신청내역'에서 확인할 수 있습니다.
☞ 세금계산서 발급, 결제에 관련된 문의 사항(선수강-후결제 등 포함)도 이메일주시면 신속히 답변드립니다.
☞ 정원 초과 시 결제 선착순으로 마감됩니다.

프로그램

딥러닝 & 텐서플로 심화과정

 

"본 강의에서는 다양한 산업분야에서 활발하게 사용되고 있는 딥러닝 기술에 대해 논의하고 실습을
통해 깊이 있게 이해한다.

Deep Neural Network, Convolutional Neural Network, Recurrent Neural Network를 중심으로
딥러닝 알고리즘들에 대한 구조, 학습 및 작동 원리를 설명한다. 이후, 실제 문제에 적용된 다양한
핵심사례들을 자세히 살펴보면서 세 가지 알고리즘들의 특성을 심도 있게 이해하고, 데이터와 문제의
특성에 따라 알고리즘을 선택하고 구조를 설계하는 방법에 대해 논의한다. 특히 Image caption
generation, Question and answering, Visual question and answering, chatbot에 어떤 딥러닝
기술이 어떻게 적용되었는지 자세히 살펴본다.

이론 설명 후에는 TensorFlow를 이용하여 몇 가지 딥러닝 알고리즘을 구현해 보는 실습 시간을 가진
다. TensorFlow에 대해서 소개한 후 Logistic Regression을 구현해 보며 TensorFlow의 기본 문법을
익힌다. 그 후 Deep Neural Network와 Recurrent Neural Network를 직접 구현해 본다. 시간이
허락하면 Convolutional Neural Network를 이용한 이미지 분류 문제를 데모로 보인다."



[Part 1] 기계학습 개론

○ 인공지능, 기계 학습, 딥러닝의 개념

○ 기계학습 및 인공지능의 역사

 

[Part 2] 딥러닝 알고리즘의 이해

○ 인공신경망 기초

○ Deep Neural Network

- 구조, 학습 원리

○ Convolutional Neural Network

- 구조, 학습 원리

- 응용

   = Image classification

   = Speech recognition

   = 최근 동향

○ Recurrent Neural Network

- 구조, 학습 원리

- 단점 및 극복 방법

   = 기울기 사라짐/폭발 문제

   = LSTM, GRU 이해

- 응용

   = Document classification

   = Question and answering

   = Visual question and answering

   = Machine translation

   = Chatbot

- 최근 동향

 

[Part 3] 딥러닝 실습

○ TensorFlow 소개

- 딥러닝 프레임워크의 필요성

- TensorFlow의 특징 및 장점

○ TensorFlow 기본 문법

- Linear regression 구현

○ TensorFlow 심화 실습

- Deep Neural Network 구현

   = MNIST 이미지 분류문제 풀어보기

- Recurrent Neural Network 구현

   = 자연언어 데이터 분류문제 풀어보기기

강사

eskim_round
김은솔 박사(과정) / 서울대학교 컴퓨터공학부

현재: 서울대학교 대학원 컴퓨터공학부 석박사통합과정 수료
2011, 2012: 서울대학교 컴퓨터공학부 4학년 기계학습 과목 조교
2016: POSCO deep learning tutorial 강의, NACSI Deep learning tutorial-Theano, TensorFlow 강의
2014: 딥러닝 기반 이미지 분석 프로젝트 수행(삼성전자)
2011~2013: 딥러닝 기반 사람 행동 분석, 독일 뮌헨 공과대학 협력연구

약도

강남역(8번 출구) 모임공간 '유오워크(강남빌딩 17층)'




○ 기타

○ 실습을 위해 각자 노트북을 지참하시기 바랍니다.
○ 강의 파일은 지적재산권 등의 문제로 공유되지 않는 것을 원칙으로 하며, 교재는 당일 교육장에서 배포해드립니다.
○ 결제 취소는 개강 3일전까지 가능하나 2일전부터는 어려우니 이점 참조하시어 착오 없으시기 부탁드립니다.
○ 필요 시 강사의 판단에 따라 강의 내용 일부가 변경될 수도 있습니다.
○ 강사님의 개인 사유 혹은 모집정원 미달의 경우 강의가 연기 및 취소될 수 있습니다.
○ 참가 확인서는 당일 현장에서 발급해드립니다.
○ 주차는 지원되지 않습니다.