딥러닝 CNN 완벽 가이드 - Pytorch 버전
권 철민
₩110,000
30%
₩77,000
초급 / 딥러닝, PyTorch, CNN, Kaggle, 컴퓨터 비전
딥러닝·CNN 핵심 이론부터 다양한 CNN 모델 구현 방법, 실전 문제를 통한 실무 딥러닝 개발 노하우까지, Pytorch 기반의 딥러닝 CNN 기술 전문가로 거듭나고 싶다면 이 강의와 함께하세요 :)
초급
딥러닝, PyTorch, CNN
딥러닝·CNN 핵심 이론부터 다양한 CNN 모델 구현 방법, 실전 문제를 통한 실무 딥러닝 개발 노하우까지, 딥러닝 CNN 기술 전문가로 거듭나고 싶다면 이 강의와 함께하세요 :)
딥러닝, CNN을 이루는 핵심 기술 요소
Tensorflow, Keras를 구성하는 중요 기반 Framework
CNN 분류 모델의 성능을 향상하는 튜닝 노하우
CNN을 활용한 이미지 분류 구현
다양한 이미지 Augmentation 기법과 이를 활용한 모델 성능 향상 기법
Keras ImageDataGenerator와 Sequence의 상세 메커니즘
딥러닝 CNN을 위한 이미지 데이터 전처리(Preprocessing) 기법
AlexNet, VGGNet, Inception, ResNet 등 핵심 CNN 모델
Xception과 EfficientNet 등의 최신 모델 적용
Pretrained 모델의 미세 조정(Fine Tuning) 학습 이해와 적용
다양한 Learning Rate Scheduler 기법을 활용한 모델 성능 향상 방안
이미지 전처리, 데이터 가공, 모델 생성, 최적 성능 개선, 성능 평가 등 실무 딥러닝 개발 방법
딥러닝의 활용 분야중 딥러닝 CNN 기반의 컴퓨터 비전 영역은 가장 급격히 성장하고 있으며, 또한 가장 빠르게 변화하고 있는 분야입니다. 따라서 딥러닝 기반 컴퓨터 비전 분야에서 전문가로 성장하기 위해선 CNN에 대한 실전 구현 능력과 핵심 역량을 갖추는 것이 필수가 되었습니다. 이를 위해 '딥러닝 CNN 완벽 가이드 - Fundamental 편"' 강의를 출시하게 되었습니다. 그리고 보다 Advance한 주제를 담아 '딥러닝 CNN 완벽 가이드 - Advance 편' 을 추후에 출시할 예정입니다.
이번에 출시한 '딥러닝 CNN 완벽 가이드 - Fundamental' 편은 딥러닝과 CNN의 핵심 기술 요소에 대한 깊이 있는 이론과 실습부터 CNN 이미지 분류 모델 구축을 위한 다양한 구현 기술과 모델 성능 최적화 방법을 제공해 드립니다. 그리고 많은 실습 예제들을 따라해 보면서 이미지 전처리, 데이터 로딩, tf.keras 프레임웍의 이해, 최신 CNN 모델의 내부 아키텍처 그리고 실전에서 활용될 수 있는 모델 성능 튜닝법등을 체득할 수 있게 도와드려 여러분을 딥러닝 CNN 기술 전문가로 성장시켜 드릴 것입니다.
130강, 30시간의 강의를 통해 CNN 이해에 필요한 모든 내용을 심도 깊게 담았습니다.
아래 배우는 내용과 강의자료 일부를 확인해 보세요.
강의자료를 미리 확인해 보세요 🙂
1. 딥러닝과 CNN을 이루는 핵심 기술 요소에 대한 깊이 있는 이론과 실습
딥러닝과 CNN의 핵심 기반 지식을 깊이 있는 이론과 실습을 통해 여러분의 머리 속에 인스톨시켜 드립니다.
2. Tensorflow.Keras를 구성하는 핵심 Framework 이해
Tensorflow.Keras를 구성하는 핵심 Framework에 대한 상세한 설명과 실습을 통해 보다 유연하고 확장성 높은 강력한 Keras기반 CNN 애플리케이션을 구현할 수 있도록 도와드립니다.
3. 이미지 전처리 부터 CNN 모델 최적 성능 튜닝까지!
이미지 분류 모델 구현의 A-Z를 다양한 실습 예제를 통해 익히며 실전 능력 극대화
딥러닝 기반 컴퓨터 비전 전문가로 성장하기 위해서는 이미지 처리를 위한 기반 기술을 함께 갖추어야 합니다. 이미지 전처리 방법, 이미지 배열과 특성, 이미지 라이브러리 활용법, Albumentations와 같은 전용 툴을 활용한 Augmentation 기법등 딥러닝 이미지 판별 모델 구현을 위한 이미지 처리 기반 기술을 상세하게 설명 드립니다.
다양한 데이터 세트와 난이도 있는 실전 문제를 통해서 자유자재로 CNN 이미지 분류 모델 구현할 수 있는 능력은 물론이고 Augmentation과 Learning Rate 최적화, 그리고 EfficientNet등의 최신 모델을 활용한 이미지 분류 모델의 최적 성능 튜닝 기법을 익힐 수 있습니다.
4. Modern CNN의 발전에 중요한 기틀이 된 핵심 CNN 모델을 소스 코드 레벨로 상세하게 설명합니다.
CNN을 이미지 분류 모델을 넘어 더욱 확장된 Application에 사용하려면 Modern CNN 모델이 어떻게 발전되어 왔고, 이들을 이루는 핵심 기술이 무엇인지 이해하는 것이 중요합니다. 이를 위해 AlexNet, VGGNet, GoogLeNet(Inception), ResNet등 중요 핵심 CNN 모델의 아키텍처와 특성, 그리고 이들 모델들의 구현을 소스 코드 레벨로 상세히 설명 드립니다.
실습 환경은 Kaggle에서 제공하는 notebook 커널로 수행합니다. Kaggle에 가입 하신 후 Code 메뉴를 선택하시면 Colab과 유사한 Jupyter Notebook 환경을 이용 하실 수 있습니다.
Kaggle Notebook 커널은 GPU P-100 VM을 무료로 제공합니다. 또한 수려한 UI환경과 Kaggle 의 다양한 데이터와도 쉽게 연동되어 매우 편리하게 실습을 진행할 수 있습니다. 실습 코드는 Tensorflow 2.4의 tf.keras 기반으로 작성되었습니다. 보다 자세한 실습 환경 설명은 세션0 의 실습 환경 소개 동영상을 참조해 주세요.
강의 자료와 실습 코드는 '섹션 0: 강의 소개' 와 실습환경 소개의 강의자료와 실습코드 다운로드 받기에서 받으실 수 있습니다.
어떤 분야든 노력 없이는 전문가가 될 수 없습니다. 아니, 노력 없이 전문가가 되었다면 그건 전문가가 아닙니다. 여러분이 딥러닝 분야의 전문가가 되고 싶은 열망을 잘 알기에, 그리고 거기에 쏟는 노력의 소중함을 잘 알기에, 여러분이 딥러닝 공부에 투자하는 조금의 시간이라도 헛된 시간이 되지 않도록 심혈을 기울여 딥러닝 CNN 완벽 가이드 강의를 만들었습니다.
본 강의는 여러분이 딥러닝 전문가로 성장할 수 있는 소중한 디딤돌이 되어 드릴 것입니다.
미리 배우면 도움이 되는 강의 ✨
권철민님의 인터뷰를 만나보세요! | 보러 가기
학습 대상은
누구일까요?
딥러닝과 CNN에 대한 기본 역량을 크게 향상시키고 싶은 분
CNN에 대한 확실한 이해가 필요한 분
컴퓨터 비전 분야에서 딥러닝 이미지 분류 모델을 활용하고자 하시는 분
Kaggle이나 데이콘의 이미지 분류 경진대회를 준비하시는 분
기타 딥러닝 학습에 관심이 있으신 분
선수 지식,
필요할까요?
Python 기본 구현 능력과 Numpy, Pandas에 대한 기초 이해가 필요합니다.
머신 러닝에 대한 기초적인 이해도가 있으셔야 합니다. (오버 피팅이나 왜 학습/검증/테스트 데이터 세트가 필요한지 등)
24,012
명
수강생
1,095
개
수강평
3,880
개
답변
4.9
점
강의 평점
13
개
강의
(전) 엔코아 컨설팅
(전) 한국 오라클
AI 프리랜서 컨설턴트
파이썬 머신러닝 완벽 가이드 저자
전체
135개 ∙ (31시간 39분)
해당 강의에서 제공:
머신러닝의 이해
14:23
딥러닝 개요
17:17
딥러닝의 장단점과 특징
17:53
퍼셉트론의 개요와 학습 메커니즘 이해
16:41
회귀 개요와 RSS, MSE의 이해
13:37
경사하강법의 이해
17:44
경사하강법의 주요 문제
06:44
전체
112개
5.0
112개의 수강평
∙
수강평 1
∙
평균 평점 5.0
5
지금 반정도 봤는데.. advanced 강의는 언제나오나요. 현기증 나니까 저 100% 듣기 전에 만들어주세요. 빨리 듣고 싶네요.
∙
수강평 2
∙
평균 평점 5.0
5
다보진 못했지만 먼저 남기는 수강후기.. [장점] 1. 시작할 때 선수 지식에 대해 잘 정리해주심 2. 강의 이름은 CNN이지만 CNN에 한정되지 않고 딥러닝 기본기(SGD, Backprop등..)를 자세하게 알려주시기 때문에 뒤에 좀 어려운 응용 나와도 이해가능 3. 이미지 전처리도 자세하기 때문에 비전쪽 기본기없으신 분들도 도전가능(권철민 강사님의 비전쪽 강의 듣고오는것도 추천) 4. 단순 CNN 이미지 분류만 있지않고 최근 CNN이 어떻게 발전하고 있는지 또한 상세 설명 5. 강의자료에 이해하기 쉽게 그림이 많음 [아쉬운 점] 1. tf기반 강의이지만, torch도...ㅎㅎ [총평] 5점. 이미지 분야 딥러닝입문하시는분들은 무조건 들으시면 좋고 그냥 딥러닝에 입문하시는 분들도 딥러닝 기본기가 자세히 나와있기 때문에 들어두시면 좋습니다. CNN자체가 솔직히 요즘 이미지에만 쓰이지 않고 NLP나 예측모델링에도 쓰이고 있기 때문에 CNN깊게 이해하시고 활용하기에 좋습니다.
∙
수강평 1
∙
평균 평점 5.0
5
안녕하세요, 현재 인공지능을 전공으로 공부중인 학생입니다. 거짓말 안치고 대학교 수준 커리큘럼대로 진행을 해주시면서 강의해주시고.... 난이도는 대학교수준의 90%정도(?)로 체감됩니다.석사 수준의 깊이는 아니지만, 입문용~중상급까지는 무조건 이 강의로 모두 커버가 가능합니다. 그리고 난이도와는 별개로, 학교수업은 PPT만 읽다 끝나는데, 이 강의는 코드한줄한줄 따라할수있어서 너무 좋았습니다. 가끔 어느영역에서는 정말 '어?! 이정도까지 깊게들어간다고!?' 싶은 수준으로 설명해주시기도하셔서 놀랐습니다. (교수님이랑 짚는 포인트와 설명이 거의 똑같이 말씀하셔서 깜짝놀랐어요) 아쉬운점은 현대 머신러닝의 정점인 트랜스포머, 어탠션같은 부분들은 아직 다루지않는다는점입니다. 만약에 이 강의까지 나와버리면 권철민 선생님은거의 국내 머신러닝 사교육 본좌 등극하시게 될것같습니다. 인프런에서 내돈내산 강의중에 최고의만족도입니다.
∙
수강평 2
∙
평균 평점 5.0
5
CNN분야가 딥러닝을 조금이라도 해봤다고 하면 비교적 처음에 접하는 분야라 안다고 생각하지만, 생각보다 원리를 모르고 가져다 써서 유연한 대처가 어렵네요. 회사에서 필요할 때마다 github를 찾아 헤매든지 원리를 잘 모르고 그때그때 필요한 기능들을 급하게 조합해서 만들곤 합니다. 다른 업무와 병행하면서 하다 보니 tensorflow2.4, keras, kaggle 언젠가는 공부해야지 하면서 미루다가 지난번 강의하신 강의를 수강하면서 진행한 과제에 object detection을 이용해서 로봇 움직임에 성공적으로 적용하며 회사에서는 전문가(?)로 인정을 받았던 기억때문에 CNN도 다시 한번 정리할 겸, 깊이 파보고자 수강중에 있습니다. 수업 시간이 적지 않은데, 나쁘진 않은 것이 소스코드를 상세히 설명해주셔서 전체적으로 스윽~ 훑어보고 따로 표기했다가 나중에 그때그때 필요한 부분만 좀 더 세밀하게 들어봐도 좋을것 같습니다. --------------------------------------------------------- 일전에 남겼던 후기에 추가해서 남깁니다. 회사에서 다른 업무를 수행했다가 다시 컴퓨터 비전 부서가 만들어지면서 다시 한번 복기 하는 차원에서 처음부터 완강 했습니다. 다시 들어보니 이전에 급하게 넘어갔던 부분들이 좀 더 이해의 폭이 넓어지는군요. 역시 한번 듣고 끝날 강의가 아닙니다. 다시 한번 강추합니다.
∙
수강평 6
∙
평균 평점 5.0
5
플젝 수행하면서 딥러닝 대강 안다고 생각했는데, 이강의로 그동안 주먹구구로 해왔구나를 느끼고 있습니다. 하루중에 틈날때마다 계속 듣고 있습니다. 도움 많이 되고 있고, 혹 나중에 심화과정 나오면 그 강의도 듣고 싶습니다.
월 ₩22,000
5개월 할부 시
₩110,000