배우고 익히는 즐거움, 아이티고
알림
여기를 클릭하면, 샘플강의가 재생됩니다.
- tag
PyTorch(파이토치)로 딥러닝 제대로 배우기 (중급) Part.1
담당강사 : 김동희
| 강의구성 | 총 10강좌 (강의시간 : 총 ) | 수강기간 | 30일 |
|---|---|---|---|
| 강의형식 | 동영상 | 수강료 |
30,000원
이 강좌의 80% 이상 수강 시 출력이 가능합니다. |
| 강의수준 | 초급 | 강의에서 사용하는 프로그램 & 버전 |
- |
| 담당강사 |
김동희 강사
|
||
| 강의구성 | 총 10강좌 (강의시간 : 총 ) |
|---|---|
| 수강기간 | 30일 |
| 강의형식 | 동영상 |
| 수강료 |
30,000원
이 강좌의 80% 이상 수강 시 출력이 가능합니다. |
| 강의수준 | 초급 |
| 강의에서 사용하는 프로그램 & 버전 |
- |
| 담당강사 |
김동희 강사
|
- 과정소개
-
? 본 과정에서는 PyTorch를 통해 딥러닝 기초 이론을 배우고, 컴퓨터 비전 및 시퀀스 데이터 처리 방법에 대해 배운다
? 합성곱 신경망(CNN)과 순환신경망(RNN)에 대해 이론을 학습한다.
? 인공신경망, 합성곱 신경망, 순환 신경망 구축 방법을 PyTorch 통해 실습한다.
- 학습목표
-
? PyTorch를 통해 인공신경망, CNN, RNN을 구축하고 이해한다.
? 인공신경망의 원리와 활용 방법에 대해 배운다.
- 교육대상
-
? PyTorch로 딥러닝 제대로 배우기 기초편 수강자
? 또는 PyTorch에 기초 지식이 있는 사람
? Python에 대한 기본 지식이 있는 사람
차시별 학습목표
- 01. 1. 인공지능의 역사 2. 인공지능의 기본 원리
- 02. 1. Pytorch 특징 2. 개발 환경 3. Colab 실습
- 03. 1. 머신러닝의 기본 개념 2. 학습의 동작 원리
- 04. 1. 머신러닝에서 오차측청 방법 2. 머신러닝에서 최적화 방법
- 05. 1. 다양한 loss 함수 활용하기 2. 다양한 최적화 함수 활용하기 3. 학습의 전체 Flow 실습
- 06. 1. 인공신경망 기본 원리 학습 2. 활성화 함수 학습
- 07. 1. 다양한 활성화 함수 실습 2. 다양한 최적화 함수 실습
- 08. 1. 데이터에 대해 이해 2. 인코딩의 필요성 학습
- 09. 1. PyTorch의 Dataset 클래스 학습 2. PyTorch의 Dataloader 클래스 학습
- 10. 1. 다양한 데이터 셋 활용 2. Cifar-10 데이터 호출 실습 3. Cifar-100 데이터 호출 실습
- 참고사항
- - 수강 기간 중 언제든지 반복 수강이 가능합니다.
- - 수강 여부 : 해당 차시의 80%를 수강하면 (회색) 배경으로 표시됩니다.
- - 수강 신청 완료 후 수강할 수 있습니다.
- - 즐겨찾기 한 강좌는 MY Class에서 확인할 수 있습니다.
연관강좌
아이티고 강좌질문 모음
※ 아이티고 강좌 관련 문의입니다. 질문은 1:1문의 게시판에 남겨주세요.
1 / 7
- 강좌 리스트
- 01. 인공지능의 역사, 인공지능의 기본 원리 [28:08]
- 02. Pytorch 특징, 개발 환경, Colab 실습 [23:12]
- 03. 머신러닝의 기본 개념, 학습의 동작 원리 [40:22]
- 04. 머신러닝에서 오차측청 방법, 머신러닝에서 최적화 방법 [30:50]
- 05. 다양한 loss 함수 활용하기, 다양한 최적화 함수 활용하기, 학습의 전체 Flow 실습 [25:20]
- 06. 인공신경망 기본 원리 학습, 활성화 함수 학습 [30:35]
- 07. 다양한 활성화 함수 실습, 다양한 최적화 함수 실습 [37:34]
- 08. 데이터에 대해 이해, 인코딩의 필요성 학습 [33:52]
- 09. PyTorch의 Dataset 클래스 학습, PyTorch의 Dataloader 클래스 학습 [26:37]
- 10. 다양한 데이터 셋 활용, Cifar-10 데이터 호출 실습, Cifar-100 데이터 호출 실습 [33:27]