인프런 영문 브랜드 로고
인프런 영문 브랜드 로고
인공지능

/

컴퓨터 비전

딥러닝 CNN 완벽 가이드 - Pytorch 버전

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 :)

(5.0) 수강평 4개

수강생 251명

딥러닝PyTorchCNNKaggle컴퓨터 비전
Thumbnail

초급자를 위해 준비한
[컴퓨터 비전, CNN] 강의입니다.

이런 걸 배울 수 있어요

  • 딥러닝, CNN을 이루는 핵심 기술 요소 및 주요 모델 이해

  • Pytorch를 활용한 모델 구축 및 학습 과정의 이해

  • CNN을 활용한 이미지 분류와 성능 최적화 기법

  • Pretrained 모델과 Fine Tuning을 활용한 성능 개선

  • 다양한 이미지 Augmentation 기법과 이를 활용한 모델 성능 향상 기법

  • 이미지 전처리, 데이터 가공, 모델 생성, 최적 성능 개선, 성능 평가 등 실무 딥러닝 개발 워크플로우

main_

✅
이미 검증받은 강의. Pytorch로 리뉴얼

수강생 2천+a명, 평점 5.0의 평가를 받은 딥러닝 CNN 완벽가이드(TFKeras)가
한층 더 강화된 실습과 최신 트렌드를 담아 Pytorch 버전으로 돌아왔습니다.

✅
40시간, 320p분량의 깊은 이해

CNN의 기본 원리와, 주요 모델, 성능 최적화 기법을 체계적으로 학습합니다. 이를 통해 CNN을 깊이 이해하고 스스로 모델을 최적화 해보는 실력을 갖출 수 있습니다.

✅
딥러닝 실무 워크플로우를 경험

이미지 전처리부터 모델 생성, 성능 개선, 파인튜닝, 평가까지! 딥러닝 개발 프로세스를 따라가며 실전 경험을 쌓을 수 있습니다.

✅
Pytorch를 깊게 파고드는 강의

PyTorch의 주요 개념을 명확히 이해하고, 다양한 실습을 통해 모델 구축부터 최적화까지 자유자재로 활용할 수 있습니다.

다양한 산업에서 핵심 기술로
자리잡은 Computer Vision

자율주행, 스마트 시티, 의료 영상 진단, AR/VR 등 첨단 기술 분야에서 빠르게 확산되고 있는 컴퓨터 비전.
딥러닝 기반의 컴퓨터 비전 기술은 산업 자동화와 기술 혁신을 가속화하고 있으며, 앞으로도 지속적인 수요와 커리어 기회를 만들어갈 분야입니다.

sub

테슬라는 카메라 기반의 자율주행 시스템을 구축하며 기존 센서 중심의 접근 방식을 혁신하고 있습니다. BMW는 AI 기반의 Vision 시스템을 스마트 공장(Smart Factory)에 도입하며 제조 공정을 자동화하고 있습니다. 또한, Amazon은 Computer Vision 기술이 적용된 물류 로봇을 활용하여 물류 처리 속도를 40% 이상 향상시키고 있습니다.

컴퓨터 비전의 기본이자 핵심, CNN

CNN(Convolutional Neural Network)이 컴퓨터 비전에서 기본이자 핵심인 이유는, 다른 모델과 비교해도 이미지 처리에 최적화된 구조와 실제 상용화 모델들의 기반이 되는 강력한 성능을 제공하기 때문입니다.

CNN의 특징

✅ 이미지의 특징을 가장 잘 찾아내는 모델

✅ YOLO, Mask R-CNN, ResNet 등 많은 상용화 모델의 핵심 베이스

✅ 전이 학습을 통해 적은 데이터로도 높은 성능을 확보, 실무에 빠르게 적용 가능

오늘날 컴퓨터 비전 기술이 빠르게 발전하고 있는 만큼, 실무에서 바로 활용할 수 있는 CNN 모델을 정확히 이해하고 활용하는 것은 필수입니다. 이 강의에서는 PyTorch 기반으로 CNN의 원리부터 실습까지 단계적으로 학습하여, 실무 프로젝트에서도 바로 적용할 수 있는 실전 역량을 쌓을 수 있습니다.

이 강의의 특징

딥러닝과 CNN을 이루는 핵심 기술을 깊이있게

딥러닝과 CNN의 핵심 기반 지식을 깊이 있는 이론과 실습을 통해 여러분의 머리 속에 인스톨시켜 드립니다.

Pytorch 프레임워크 완벽 이해

Pytorch를 구성하는 핵심 Framework에 대한 상세한 설명과 실습을 통해 여러분이 Pytorch를 자유자재로 활용하여 CNN 애플리케이션을 구현할 수 있도록 도와드립니다.

이미지 분류 모델 실습으로 실전 능력 강화

다양한 데이터셋과 실전 문제를 통해 CNN 이미지 분류 모델을 자유롭게 구현하고, Augmentation, Learning Rate 최적화, EfficientNet 활용 등 최신 성능 튜닝 기법을 익힐 수 있습니다.

핵심 CNN 모델을 소스 코드 레벨로 상세하게

CNN을 이미지 분류 모델을 넘어 더욱 확장된 Application에 사용하려면 Modern CNN 모델의 발전 과정과 핵심 기술을 이해하는 것이 중요합니다. 이를 위해 AlexNet, VGGNet, GoogLeNet(Inception), ResNet 등 주요 CNN 모델의 아키텍처와 특성, 그리고 이들의 구현 방식을 소스 코드 레벨에서 상세히 설명해 드립니다.

이런 내용을 배워요

딥러닝을 이루는 Fundamental 기반 지식

직접 구현하며 배우는 경사하강법부터, 오차 역전파, 활성화 함수, Loss 함수, Optimizer까지, 딥러닝의 기반 지식을 탄탄하게 익힐 수 있도록 다양한 자료와 실습코드, 상세한 설명으로 구성하였습니다.

그림1

Pytorch Framework의 상세한 이해

Tensor 다루기부터, nn.Module, 서브모듈, Layer, 모듈화, Train Loop까지 Pytorch의 네트웍 모델 구성을 위한 핵심 요소들을 차근차근, 자세한 설명과 실습을 통해 쉽게 이해 할 수 있습니다.

forward

CNN의 기초부터, Advanced한 모델 성능 향상 기법까지

다양한 시각 자료와 실습으로 CNN의 주요 구성 요소들을 쉽게 이해할 수 있도록 만들어 드리며, 보다 Advanced한 성능 향상 기법들까지 자연스럽게 이해 하실 수 있도록 강의를 구성하였습니다.

cnn_filter

Dataset과 DataLoader의 상세 동작 메커니즘

Dataset을 구성하고, DataLoader를 호출하는 기본 사용법을 넘어서 Dataset과 DataLoader의 주요 파라미터와 상호 작용 메커니즘에 대해서 상세히 설명 드립니다.

dataloader

Pretrained 모델의 활용과 Fine Tuning 이해

torchvision과 timm을 기반의 Pretrained 모델을 활용하여 Custom 모델 및 Fine Tuning을 구성할 수 있도록

timm_vision

직접 구현하며 배우는 다양한 유틸리티 기능

Model Checkpoint와 Early Stopping 기능을 직접 구현하면서 체득해보며, Torchmetrics를 사용하여 다양한 평가지표를 적용하는 방법을 알려 드립니다.

torchmetrics

다양한 Augmentation 기법과 이를 활용한 모델 성능 향상 방안

torchvision transform, Albumentations 등의 라이브러리 사용법부터 다양한 Augmentation 기법과 CutMix 적용을 실습을 통해 알려 드리며, Augmentation 적용을 통한 모델 성능 향상 방법에 대해서도 말씀드립니다.

augmentation3

직접 구현하며 익히는 모던 CNN 모델

AlexNet, VGGNet, GoogLeNet(Inception), ResNet등 중요 핵심 CNN 모델의 아키텍처와 특성, 그리고 이들 모델들의 구현을 소스코드 레벨로 상세히 설명드립니다. 또한 EfficientNet V1, V2에 대해서도 쉬운 이론 설명으로 모델 이해를 도와 드립니다.

resnet

난이도 있는 종합 실습 문제를 해결하며 성장하는 차별화된 실전 능력

종합 실습 문제를 통해 이전까지 다루었던 최신 CNN 모델들과 다양한 모델 최적화 방법들을 적용해 보면서 전문가 수준의 차별화된 실전 능력을 갖추실 수 있습니다.

종합실습

수강 전 참고 사항

실습 환경 💾

실습 환경은 Kaggle에서 제공하는 notebook 커널로 수행합니다. Kaggle에 가입 하신 후 Code 메뉴를 선택하시면 Colab과 유사한 Jupyter Notebook 환경 기반에서 P100 GPU를 1주일에 30시간 무료로 사용하실 수 있습니다.

kaggle_03

320 페이지 분량의 강의 교재도 함께 제공됩니다.

교재

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 딥러닝과 CNN에 대한 역량을 크게 향상 시키고 싶은 분

  • 자신있게 파이토치(Pytorch) 활용 능력을 끌어올리고 싶으신 분

  • 컴퓨터 비전 분야에서 딥러닝 이미지 분류 모델을 활용하고자 하시는 분

  • Kaggle이나 데이콘의 이미지 분류 경진대회를 준비하시는 분

선수 지식,
필요할까요?

  • 파이썬 머신러닝 완벽 가이드의 전반부 처음부터 섹션 4장 평가(Evaluation)까지 기초 이해

안녕하세요
권 철민입니다.

24,686

명

수강생

1,126

개

수강평

3,907

개

답변

4.9

점

강의 평점

13

개

강의

(전) 엔코아 컨설팅

(전) 한국 오라클

AI 프리랜서 컨설턴트

파이썬 머신러닝 완벽 가이드 저자

커리큘럼

전체

217개 ∙ (41시간 33분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

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