인공지능 딥러닝 · 머신러닝

JavaScript와 Tensorflow.js로 배우는 머신러닝 대시보드

(5) 1개의 수강평 ∙ 26명의 수강생

YoungJea Oh

머신러닝 딥러닝 JavaScript tensorflow-js

88,000원

월 17,600원

5개월 할부 시

지식공유자: YoungJea Oh

총 51개 수업 (13시간 11분)

수강기한:

수료증: 발급

난이도: --

지식공유자 답변이 제공되는 강의입니다

폴더에 추가 24

초급자를 위해 준비한
[데이터 분석] 강의입니다.

웹 개발자라면 누구나 알고 있는 JavaScript, 이제 이 강력한 언어로 머신러닝의 세계를 탐험해보세요! 이 강의는 JavaScript와 함께 강력한 머신러닝 라이브러리인 Tensorflow.js를 활용하여 머신러닝 모델을 구축하고 배포하는 방법을 배웁니다. 웹 기반의 머신러닝 애플리케이션 개발에 필요한 모든 기술을 단계별로 안내합니다. 이 강좌를 통해 학습자는 머신러닝의 핵심 원리를 체계적으로 이해하게 됩니다. 더불어, 자바스크립트와 Tensorflow.js API를 활용한 딥러닝 모델의 개발 방법 및 사전 훈련된 모델을 기반으로 하는 전이 학습(Transfer Learning) 활용법과, 이 모든 지식이 브라우저 환경에서 상호작용적으로 적용되는 법을 배우게 됩니다.

✍️
이런 걸
배워요!

딥러닝의 이론적 기초

자바스크립트 언어를 이용한 딥러닝 모델 개발

TensorFlow.js API 사용법

파이썬 대신 자바스크립트로 머신러닝을?
Tensorflow.js API 완벽 활용!

자바스크립트 + 텐서플로로 배우는 머신러닝과 딥러닝

구글이 만든 기계학습 라이브러리, TensorFlow

ML/DL 분야에서 활발히 쓰이는 TensorFlow, 자바스크립트로도 사용할 수 있다는 사실을 아시나요? 자바스크립트로 머신러닝을 구현하고 웹 브라우저 또는 Node.js에서 바로 활용해보세요.

파이썬(Python)이 머신러닝과 딥러닝의 세계를 주도해왔지만, 그러한 흐름을 바꿀 새로운 가능성을 자바스크립트가 가져왔습니다. 자바스크립트(JavaScript)는 넓은 사용자 베이스와 다양한 라이브러리로 구성된 풍부한 생태계를 가지고 있음에도 불구하고, 인공지능 분야에서 상대적으로 과소평가되어 왔습니다.

그러나 2018년 3월에 Google이 발표한 Tensorflow.js는 이런 상황을 완전히 바꿔놓았습니다. 이 기술은 순수 자바스크립트로 머신러닝을 구현하는 데 있어 개발자들이 직면하던 어려움들을 크게 해결하였습니다.

자바스크립트를 사용하여 머신러닝/딥러닝을 탐구하고자 하는 사람들을 위해 설계되었습니다.

자바스크립트 기반 개발자

파이썬을 새로 배우기 부담스러운 분, 웹 브라우저에서 UI 및 인공지능 서비스를 자바스크립트로 통합해 구현하려는 프론트엔드 및 Node.js 개발자, 웹 브라우저에서 머신러닝 서비스를 구현하고자 하는 인공지능 전문가들에게 유용한 내용으로 구성하였습니다.

머신러닝/딥러닝 처음이라도 부담없이

기본적인 이론부터 시작해 실용적인 예제로 난이도를 점진적으로 높여갑니다. 간단한 데이터를 활용한 선형 회귀 분석부터 Tensorflow.js API를 이용한 실제 주택 가격 데이터를 활용한 가격 예측 회귀 문제까지 폭넓은 내용을 이해하기 쉽게 다룹니다.

AI로 향하는 미래를 위한
기초를 마련해 보세요.

강의에서 배우는 내용

수강생에게는 200페이지 분량의 PDF 자료 및 실습 코드를 모두 제공합니다.

머신러닝과 신경망 및 딥러닝의 기본 개념
Tensorflow.js 설치 방법
자바스크립트와 Tensorflow.js로 구현하는 딥러닝의 이점
딥러닝 모델 정의 방법
데이터 준비 및 전처리 방법
tfjs-vis API 를 이용한 시각화 방법

머신러닝 End-to-End 프로세스 및 단계별 필수 지식
Linear Regression (선형 회귀)
Binary Classification (이진 분류)
Multi-class Classification (다중 분류)
메모리 관리 방법
훈련된 모델 저장 및 로딩
Pre-trained Model과 Transfer Learning

자바스크립트 머신러닝의 미래, 함께 기대해봅시다!

“자바스크립트에 관심은 많았지만 머신러닝에 적용하기엔 부족한 언어라고 생각하시나요? 저 또한 그 점을 아쉬워했었습니다. 하지만 지금은 TensorFlow.js를 통해 웹 브라우저 및 자바스크립트만이 할 수 있는 다양하고 흥미로운 머신러닝 기반 서비스를 구현할 수 있게 되었습니다. 그만큼 향후 무궁무진한 발전 가능성이 기대된다는 점 또한 큰 매력입니다.

TensorFlow.js는 앞으로 지속적으로 추가 기능 개선이 이루어질 만큼, 자바스크립트를 이용한 머신러닝은 현재보다 미래가 더 기대되는 분야로 나아설 것입니다. 많은 분들이 TensorFlow.js를 통해 자바스크립트 머신러닝의 매력을 알게 되었으면 좋겠습니다.”

Q&A 💬

Q. 머신러닝을 모르는 사람도 들을 수 있나요?

물론입니다. 처음 입문하는 사람을 위해 머신러닝과 딥러닝의 기초적인 이론 설명을 포함하였습니다.
HTML 및 기초 수준의 자바스크립트 언어 지식과, 고등학교 수준의 기초 수학을 알고 있다면 누구나 학습하실 수 있습니다.

Q. 자바스크립트로 딥러닝을 구현할 때의 장점은 무엇인가요?

웹 브라우저만 설치되어 있으면 사전 훈련된 딥러닝 모델을 이용해 새로운 차원의 사용자 경험을 제공할 수 있습니다. 예를 들어 사용자 음성 및 움직임을 인식해 그에 따른 적절한 반응을 웹 브라우저만으로 구현할 수 있습니다. 서버로 데이터가 전송되지 않으므로 당연히 속도도 빠르고, 불필요한 개인정보 유출 위험도 없습니다.

Q. 강의에서는 어떤 프로그램을 사용하나요?

모든 프로그램은 오픈 소스이면서도 범용적인 프로그램을 사용합니다. (VS Code, Node.js, TensorFlow.js, lodash.js 등)

📢 수강 전 확인해주세요

녹화 환경상 영상 음질이 균일하지 않습니다. 일부 수업은 외부 현장음이 함께 녹음되어 있는 점을 감안해 주시길 바라며, 수강 전 강의 [미리보기]를 확인해 주시기 바랍니다.

🎓
학습 대상은
누구일까요?

인공지능에 관심 있는 프론트엔드 개발자

인공지능에 관심 있지만 파이썬 학습이 부담스러운 자바스크립트 개발자

인공지능에 관심 있는 Node.js 백엔드 개발자

📚
선수 지식,
필요할까요?

자바스크립트 기초

HTML

오랜 개발 경험을 가지고 있는 Senior Developer 입니다. 현대건설 전산실, 삼성 SDS, 전자상거래업체 엑스메트릭스, 씨티은행 전산부를 거치며 30 년 이상 IT 분야에서 쌓아온 지식과 경험을 나누고 싶습니다. 현재는 인공지능과 파이썬 관련 강의를 하고 있습니다.

홈페이지 주소:

https://ironmanciti.github.io/

이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.

섹션 0. 교육 환경 준비 4 강 ∙ 6분

강의 소개 미리보기 01:40 Visual Studio Code 설치 미리보기 04:07 Codepen 가입 미리보기 00:45

강의 자료 (강의 교재 pdf file, 소스 코드 github download)

섹션 1. 머신 러닝과 Tensorflow.js 개요 5 강 ∙ 57분

머신 러닝 소개 - 인공 지능의 역사 미리보기 11:16

머신 러닝 소개 - 머신 러닝 알고리즘의 종류 11:11

Tensorflow.js 소개 1 - 설치 및 사용 방법 미리보기 12:35 실습 - 0000-getting-started 미리보기 07:18

Tensorflow.js 소개 2 - webGL 및 동기화 처리 15:00

섹션 2. Neural Network 개요 3 강 ∙ 30분

Neural Network의 작동 원리 10:37

선형 회귀, 이진/다중 분류, 활성화 함수, Tensorflow Playground 소개 12:21

머신 러닝 End-to-End procedure 07:38

섹션 3. Tensors and Operations 9 강 ∙ 2시간 15분

Tensors 미리보기 06:51

Tensor Operations 11:35

실습 - 기본 tensor operation - 1 미리보기 27:19

실습 - 기본 tensor operation - 2 21:41

실습 - 기본 tensor operation - 3 07:54

Data Handling API 미리보기 05:43

실습 - tf.data.Dataset 다루기 22:47

시각화 도구 - tfjs-vis API 설명 06:45

실습 - tfjs-vis 를 이용한 시각화 25:11

섹션 4. Neural Network 의 훈련 원리 6 강 ∙ 1시간 9분

경사 하강법과 손실 함수 - 1 11:04

경사 하강법과 손실 함수 - 2 17:08

경사 하강법과 손실 함수 - 3 08:22

오차 역전파 (Backpropagation) 방법 11:09

Learning Rate, Momentum, Optimizer 설명 14:14

Hyper-parameter Tuning 07:51

섹션 5. 선형 회귀 (Linear Regression) 5 강 ∙ 2시간 19분

선형 회귀 이론 미리보기 12:22 실습 - 자동차 연비 계산 - 1 미리보기 35:55

실습 - 자동차 연비 계산 - 2 18:06

실습 - 주택 가격 계산 - 1 37:59

실습 - 주택 가격 계산 - 2 35:22

섹션 6. 이진 분류 (Logistic Regression) 3 강 ∙ 1시간 17분

이진 분류 이론 03:56

실습 - Social Network Sales 구매 여부 분류 - 1 36:19

실습 - Social Network Sales 구매 여부 분류 - 2 37:24

섹션 7. 다중 분류 (Multiclass Classification) 8 강 ∙ 3시간 13분

다중 분류 이론 05:17

실습 - iris 품종 분류 문제 설명 미리보기 09:36

실습 - iris 품종 분류 구현 - 1 32:23

실습 - iris 품종 분류 구현 - 2 37:07

CNN (Convolutional Neural Network) 이론 31:25

실습 - MNIST 손글씨 인식 문제 설명 15:37

실습 - MNIST 손글씨 인식 CNN 모델 구현 및 저장 미리보기 42:09

실습 - 구현한 모델을 이용하여 canvas 상에 손글씨 그리고 인식하기 20:19

섹션 8. Transfer Learning (전이 학습) 7 강 ∙ 1시간 19분

전이 학습 개요 및 사전 학습된 Mobilenet 설명 07:51

실습 - 사전 학습된 Mobilenet 과 webcam 을 이용한 이미지 분류 16:27

실습 - 사전 학습된 유해 언어 분류기 (Toxity Classifier) 문제 설명 02:04

실습 - 사전 학습된 유해 언어 분류기 (Toxity Classifier) 활용 예시 06:08

사전 학습된 모델의 Fine Tuning 방법 설명 12:05

실습 - Mobilenet Fine Tuning 24:56

실습 - Teachable Machine 10:20

섹션 9. 마무리 1 강

다음 단계 안내

강의 게시일 : 2023년 08월 23일 (마지막 업데이트일 : 2023년 08월 23일)

수강생분들이 직접 작성하신 수강평입니다.

VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순

강의 잘 들었습니다(사실 아직 다 듣지는 못 했습니다.). 저에겐 많이 까지는 아니더라도 어려운 수준의 강의였으나 그렇기에 더욱 가치가 있었던 강의였던 것 같습니다. 원래 배움이라는 것이 어려움 속에서 깨달음을 얻을 때 비로소 빛을 발하는 것이라 생각하기에 올려주신 강의를 듣는 이 과정 자체가 저에게는 깨달음을 얻어가는 과정이었다고 봅니다. 그래서 이런 기회를 주셔서 감사하다는 말을 남기고 싶었습니다. 머신러닝과 딥러닝이 멀게만 느껴졌지만, 이 강의를 들으면서 아주 약간이지만 가까워진 느낌 입니다. 여기서 멈춘다면 다시 멀어지겠지만, 강사님의 강의 덕분에 출발선을 넘어선 만큼, 할 수 있는데 까지 끝까지 공부하고 프로젝트에 적용해보고 하렵니다. 강의 고맙습니다!

2023-10-11