배우고 익히는 즐거움, 아이티고
알림
여기를 클릭하면, 샘플강의가 재생됩니다.
- tag
PyTorch(파이토치)로 딥러닝 제대로 배우기 (중급) Part.2
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. 과대적합 & 과소적합 학습
- 02. 1. 과대적합 & 과소적합 실습
- 03. 1. 컴퓨터 비전 이론 학습 2. 컴퓨터 비전에서 문제점
- 04. 1. 합성곱 신경망 이론 학습 2. 합성곱 신경망 구조와 원리 학습 3. 합성곱 신경망 응용법 학습
- 05. 1. 합성곱 신경망 실습 2. Kernel size 변경 3. Stride 변경
- 06. 1. 합성곱 신경망 응용 2. Blocked layer vs. normal method 비교
- 07. 1. 순환 신경망 이론 2. RNN 기초
- 08. 1. LSTM 이론 2. LSTM 구조
- 09. 1. GRU 이론 2. GRU 구조
- 10. 1. Vanila RNN 모델 실습 2. LSTM 실습 3. GRU 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. 과대적합 & 과소적합 학습 [61:23]
- 02. 과대적합 & 과소적합 실습 [26:03]
- 03. 컴퓨터 비전 이론 학습, 컴퓨터 비전에서 문제점 [47:27]
- 04. 합성곱 신경망 이론 학습, 합성곱 신경망 구조와 원리 학습, 합성곱 신경망 응용법 학습 [58:15]
- 05. 합성곱 신경망 실습, Kernel size 변경, Stride 변경 [45:56]
- 06. 합성곱 신경망 응용, Blocked layer vs. normal method 비교 [45:38]
- 07. 순환 신경망 이론, RNN 기초 [20:29]
- 08. LSTM 이론, LSTM 구조 [13:38]
- 09. GRU 이론, GRU 구조 [11:51]
- 10. Vanila RNN 모델 실습, LSTM 실습, GRU 실습 [56:18]