딥러닝의 동작 원리에서 DNN/LSTM/CNN 활용과 keras/tensorflow/pandas 프로그래밍까지
코스 학습 구성
- 코스시간외 개별 질의응답 및 보충설명 포함
- 다루는 프로그래밍: python, tensorflow, keras, pandas, numpy
- 다루는 딥러닝 종류: DNN, LSTM, CNN
- 딥러닝을 이용한 데이터분석 — sound 분류(사람/개/차 소리), anomaly detection(신용카드 fraud detection)
- 딥러닝을 이용한 주가 예측 — RNN, LSTM
- 딥러닝을 이용한 이미지인식 및 처리 — CNN, openCV
- 딥러닝 실무 적용 방법, 하이퍼파라미터 튜닝
- 정원: 최대 15명 정도
딥러닝 코스에 참석하시면 딥러닝의 동작원리 및 DNN, CNN, LSTM의 실무 활용 방법과 tensorflow/keras/pandas 프로그래밍 익힐 수 있습니다. 이를 통해 딥러닝 실무의 본 궤도에 빠르게 올라설 수 있을 것입니다 !
신청 → https://pg.mycampus.io/
코스에서 배우게 되는 항목들
- tensorflow를 활용한 딥러닝의 구현
- keras를 활용한 딥러닝의 간편한 구현
- tensorflow로 구현하는 DNN, LSTM
- keras로 구현하는 DNN, LSTM
- pandas를 이용한 데이터 처리, pandas 활용
- numpy, pandas, tensorflow의 데이터구조 및 변환
- tensorflow/keras 딥러닝으로 regression하기
- tensorflow/keras 딥러닝으로 sound 분류(classification)하기
- tensorflow/keras 딥러닝으로 신용카드 fraud detection(kaggle문제)
- tensorflow/keras 딥러닝으로 예측(LSTM, 초간단 주가예측)
- confusion matrix를 딥러닝결과에서 계산하기, LOC curve
- tensorflow/keras 딥러닝으로 CNN
- 이미지 인식, 처리를 위한 CNN/openCV, numpy 활용
- 통계적방법과 머신러닝방법의 차이
- 딥러닝의 동작 원리
- 딥러닝의 실무적용 튜닝 — 하이퍼파라미터 튜닝 방안들
한대희 강사 및 약력
- 현) 소프트웨어 마에스트로 멘토 (SW인재 양성, 과학기술정보통신부)
- 포스텍 컴퓨터공학 석사 (Neural Network 전공)
- 전) 삼성전자 수석연구원
- 전) SK텔레콤 연구원
딥러닝 강의 경험
- 한양대 자원환경공학과 대학원생 대상 1일완성과정 (‘17년 12월)
- 다양한 분야의 대학생,석박사과정, 박사, 의사, 교수, 연구원, 직장인 대상 1일완성과정 7회 (‘17년12월, ‘18년 1월)
- 아주대 산업공학과 대학원생 대상 4회코스과정 (‘18년 2월)
학습 내용
1회차-DNN/python/tensorflow/keras
- python기본
- tensorflow로 Regression 문제 풀기
- keras로 Regression 문제 풀기
- sound classification 문제를 keras로 풀기
- 수행과제 — tensorflow/keras이용한 딥러닝 hyper parameter 튜닝
2회차-LSTM/pandas/python/keras
- pandas 기본
- card fraud detection문제를 keras로 풀기
- confusion matrix 계산
- LSTM 으로 예측 문제 풀기
- python/pandas 활용: 날짜데이터 다루기, 좌표데이터 처리 등
- 수행과제: pandas 및 LSTM 활용한 데이터 분석
3회차-CNN입문/opencv입문/이미지 데이터 다루기
- CNN 으로 이미지 인식 딥러닝
- opencv로 이미지 처리
- numpy로 데이터 다루기
딥러닝 활용 능력을 키우고 달려보세요 :)
