딥러닝 CNN 완벽 가이드 - Fundamental 편
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 :)
초급자를 위해 준비한
[인공지능, 데이터 분석] 강의입니다.
이런 걸
배워요!
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
제가 이 강의를 만든 이유 😚
가장 빠르게 발전하는 딥러닝 분야, CNN
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.
이번 강의에서 배우는 것
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.
딥러닝 CNN 강의, 이 강의로 종결.
130강, 30시간의 강의를 통해 CNN 이해에 필요한 모든 내용을 심도 깊게 담았습니다.
아래 배우는 내용과 강의자료 일부를 확인해 보세요.
강의자료를 미리 확인해 보세요 🙂
이 강의의 특징
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
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 환경 안내
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.
여러분의 노력이 얼마나 소중한지 알기에.
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 ✨
권철민 지식공유자님의, '머신러닝' 강의 시리즈
인프런이 만난 사람
권철민님의 인터뷰를 만나보세요! | 보러 가기
이런 분들께
추천드려요!
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)
안녕하세요
권 철민입니다.
(전) 엔코아 컨설팅
(전) 한국 오라클
AI 프리랜서 컨설턴트
파이썬 머신러닝 완벽 가이드 저자
커리큘럼
전체
135개 ∙ (31시간 39분)
가 제공되는 강의입니다.
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