BEST
인공지능

/

컴퓨터 비전

차량 번호판 인식 프로젝트와 TensorFlow로 배우는 딥러닝 영상인식 올인원

차량 번호판 인식 실전 프로젝트를 통해 딥러닝/TensorFlow/컴퓨터비전 기초부터 실무 응용까지 전 과정을 한번에 학습할 수 있는 올인원 형태의 강의입니다. 다양한 실습을 통해 Custom Dataset에 최신 딥러닝 모델을 응용할 수 있는 실무 능력을 기를 수 있습니다.

(4.8) 수강평 66개

수강생 627명

Tensorflow딥러닝머신러닝CNNNLP
Thumbnail

초급자를 위해 준비한
[인공지능] 강의입니다.

이런 걸
배워요!

  • MNIST,CIFAR-10 등의 기초 예제가 아닌 딥러닝 실무 프로젝트를 진행하는 법

  • Custom Dataset에 최신 딥러닝 모델을 적용하는 법

  • 딥러닝/머신러닝 기초 개념부터 실무 응용까지 단계별 학습

  • 최신논문에서 제안된 딥러닝 모델 구조에 대한 깊은 이해(EfficientNet, CenterNet, EAST, ...)

  • Object Detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 문제영역에 사용되는 최신 딥러닝 모델들의 원리와 사용법

  • 딥러닝 모델의 성능을 향상시키는 법

다양한 실전 프로젝트와 최신논문 학습을 통해
딥러닝/컴퓨터비전 전문가로 거듭나보세요. 😀

수강 전 확인해주세요!

해당 커리큘럼 목록

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 1

  • Object Detection 문제영역 소개
  • Object Detection Metric - IoU, mAP
  • Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 3

  • TensorFlow Object Detection API 소개

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 4

  • R-CNN(Regions with CNN)
  • Fast R-CNN
  • Faster R-CNN
  • Non-Maximum Suppression (NMS)
  • SSD(Single Shot MultiBox Detector)
  • RetinaNet
  • CenterNet

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 5

  • Pre-Trained Model을 이용한 Object Detection

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 1

  • 인공지능, 머신러닝, 딥러닝 & 지도 학습, 비지도 학습, 강화 학습
  • 딥러닝, 텐서플로 응용 분야
  • 간략히 살펴보는 딥러닝의 역사

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 3

  • 머신러닝의 기본 프로세스 - 가설 정의, 손실함수 정의, 최적화 정의
  • TensorFlow 2.0을 이용한 선형 회귀(Linear Regression) 알고리즘 구현
  • Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
  • Training Data, Validation Data, Test Data & 오버피팅(Overfitting)
  • 소프트맥스 회귀(Softmax Regression) & 크로스 엔트로피(Cross-Entropy Loss Function) & One-hot Encoding & MNIST
  • TensorFlow 2.0 케라스 서브클래싱(Keras Subclassing)
  • TensorFlow 2.0과 Softmax Regression을 이용한 MNIST 숫자분류기 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 4

  • 다층 퍼셉트론 MLP
  • TensorFlow 2.0과 ANN을 이용한 MNIST 숫자분류기 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 5

  • 오토인코더(AutoEncoder)의 개념
  • TensorFlow 2.0과 오토인코더를 이용한 MNIST 데이터 재구축

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 6

  • 컴퓨터 비전 문제의 어려움과 CNN 기반 컴퓨터비전 시대의 도래
  • 컨볼루션 신경망의 핵심개념 - 컨볼루션(Convolution), 풀링(Pooling)
  • TensorFlow 2.0을 이용한 MNIST 숫자분류를 위한 CNN 구현
  • 드롭아웃(Dropout)
  • TensorFlow 2.0을 이용한 CIFAR-10 이미지 분류를 위한 CNN 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 7

  • 순환신경망(RNN)
  • 경사도 사라짐 문제(Vanishing Gradient Problem) & LSTM & GRU
  • 임베딩(Embedding)의 개념 & Char-RNN
  • TensorFlow 2.0을 이용한 Char-RNN 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 8

  • tf.train.CheckpointManager API를 이용해서 파라미터 저장하고 불러오기
  • 텐서보드(TensorBoard)를 이용해서 학습과정 시각화(Visualization)하기

<TensorFlow 2.0으로 배우는 딥러닝 입문> 섹션 9

  • 다양한 컴퓨터비전 문제영역 소개
  • 다양한 자연어처리(NLP) 문제영역 소개

Naver(CRAFT)와 Kakao(EAST)에서 실제 사용하고 있는 최신 딥러닝 모델 사용법을 익혀보세요.

딥러닝 컴퓨터비전(Computer Vision) 전문가가 되기 위한 All-in-One 강의!

  • 딥러닝 컴퓨터비전 전문가가 되기 위해 학습해야 하는 모든 요소를 하나의 강의에 종합했습니다.
  • 최신 딥러닝 모델 이해를 위한 필수 이론 지식 : 머신러닝 및 딥러닝의 기초(ANN, CNN)부터 시작해 최신 딥러닝 모델의 원리(EfficientNet, CenterNet)까지 단계별로 필요한 필수 이론 및 지식을 학습합니다.
  • Python/TensorFlow 2.0을 이용한 코드 구현 능력 : 파이썬 및 텐서플로 2.0을 이용해 실제 프로젝트 진행을 위한 구현 능력을 단계별로 학습합니다.
  • Custom Dataset 적용을 위한 다양한 실전 프로젝트 : MNIST 같은 기초 예제가 아닌, 다양한 Custom Dataset에 최신 딥러닝 모델을 적용하기 위한 다양한 실전 프로젝트를 진행해 봅니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 딥러닝/컴퓨터비전을 진지하게 공부하고 싶은 모든 분

  • 딥러닝/컴퓨터비전을 이용한 실무 프로젝트를 진행하고 싶은 분

선수 지식,
필요할까요?

  • 기초적인 Python 지식

안녕하세요
AISchool입니다.

커리큘럼

전체

126개 ∙ (20시간 51분)

수업 자료

가 제공되는 강의입니다.

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!