중급자를 위해 준비한
[인공지능, 데이터 분석] 강의입니다.
이런 걸
배워요!
딥러닝 개발 과정 프로세스의 이해
CNN 구성 요소와 모델의 원리 이해
CNN 모델의 성능을 높여주는 OpenCV 이해
CNN 모델 실습을 통한 딥러닝 활용 능력
이미지를 알아서 척척 분류한다고?
딥러닝 CNN 알고리즘 프로젝트를 내 손으로!
딥러닝 이미지 분류 모델을
직접 만들어보고 싶다면!
알파고와 이세돌의 바둑 대결 기억하시나요? 인공지능(AI) 기술이 얼마나 발전했는지 전세계인들에게 보여준 사건이었습니다. 많은 언론에서는 앞다투어 AI 관련 기사를 쏟아냈습니다. 특히 머신러닝/딥러닝도 함께 주목받았는데요. 당시 국내에서도 엄청난 열풍이 불었습니다. 서점에선 관련 도서들이 베스트셀러 자리를 차지했고, 너도나도 파이썬이나 텐서플로우같은 언어를 배우겠다며 학원 문을 두드렸죠.
그런데 시간이 흐르자 열기가 점차 사그라들기 시작했습니다. 다들 배운다고 하는데 정작 주변엔 딥러닝을 배운다는 사람은 없었습니다. 대체 뭐가 문제일까요? 그건 아마도 너무 어렵기 때문일 겁니다. 아무리 쉬운 단어라고 해도 전문용어이기 때문에 쉽게 와닿지 않습니다.
그래서 저희 마소캠퍼스가 여러분께 딥러닝에서 꼭 필요한 부분 중 하나인 CNN에 대해 알아보고 이미지 분류 프로젝트를 진행하며 딥러닝에 푹 빠지실 수 있도록 도와드리겠습니다.
이번 딥러닝 실무 프로젝트 과정에서는
누구나 쉽고 부담없이 딥러닝을 배울 수 있도록 CNN의 개념부터 실제 구현까지 전반적인 과정을 다룹니다. 딥러닝의 중요 핵심 모델 중 이미지 인식 AI 모델인 CNN을 활용한 이미지 분류 프로젝트를 제작해보고, 강아지나 고양이 등 생김새가 비슷하여 구분하기 어려운 다양한 이미지 파일들을 딥러닝 CNN 알고리즘을 활용해 쉽게 구분해 봅니다.
개와 고양이, 피자와 스파게티를 척척 구분해보고 싶다면, 딥러닝 핵심 알고리즘인 CNN을 정복해 보세요!
딥러닝, 제대로 쓸 수 있도록
기초를 탄탄하게 잡아드려요.
분야를 막론하고 압도적인 생산성 향상을 가져다 주는 딥러닝!
딥러닝을 “제대로” 활용하기 위해 개념부터 완벽하게 잡고 가는 과정입니다.
이런 분들께 추천합니다 ✅
- 이미지 분류를 업무에 활용하고 싶은 실무자
- IT업계 커리어를 쌓고 싶은 분 (창업/이직/입사)
- 사업에 AI를 도입하고 싶은 경영자, 실무자
- 딥러닝 CNN 핵심 기법을 제대로 익히고 싶은 분
다음 역량을 확보할 수 있습니다 👍
- 딥러닝 개발 과정 프로세스의 이해
- CNN 구성 요소 및 모델의 원리 이해
- CNN 모델 성능을 높이는 OpenCV 이해
- CNN 모델 실습을 통한 딥러닝 활용 능력
이 강의만의 특징!
3-Step으로 꼼꼼하게.
본 강의를 통해 현재 가장 핫한 딥러닝 CNN 알고리즘의 작동 원리를 이해하고, 실습을 통해 실제로 딥러닝 모델을 구현할 수 있습니다.
Step 1. CNN 개념과 작동 프로세스 이해하기
딥러닝 알고리즘 중 이미지 분류에 탁월한 성능을 보여주는 CNN이 무엇인지, lickr API를 활용한 데이터 준비부터 데이터 전처리, 정확도를 높일 수 있는 OpenCV를 이용한 데이터 증식부터 NN 모델 작동 프로세스까지 각각의 원리를 상세히 파헤쳐 드립니다!
이미지 파일 Numpy 형식으로 변환하기Step 2. 딥러닝 CNN 모델링 과정 실습하기
대표적인 딥러닝 이미지 분류 알고리즘, CNN! DNN보다 훨씬 더 정교하고 정확하게 이미지 분류를 할 수 있는 CNN 알고리즘 모델을 직접 설계해보며 실전에 바로 활용할 수 있습니다.
CNN 모델 도식화Step 3. Flask와 Ngrok으로 언제 어디서든 내 CNN 모델 사용해보기
마이크로 웹 프레임워크인 Flask를 이용해 내가 직접 설계한 CNN 모델을 Flask 서버를 구성하여 웹페이지에 올려보고, 외부에서 로컬에 접속 가능하게 하는 터널 프로그램인 Ngrok으로 내 컴퓨터가 아닌 어디서든 내가 만든 웹페이지에 접속할 수 있습니다.
내가 찍은 사진으로 모델 예측하기Step 4. 디지털 세계에서 발견한 인사이트를 현실로
CNN을 활용해 모델을 설계하고 훈련한 후 웹사이트에 올린 이미지가 어떤 이미지인지 예측해보고, 이를 통해 다양한 인사이트를 발견할 수 있는 딥러닝 전문가가 될 수 있습니다.
Flask 서버로 웹사이트 제작하기Q&A 💬
Q. 파이썬 프로그래밍에 대한 선수 지식이 필요한가요?
본 강의 및 이어지는 마소캠퍼스의 딥러닝 강의에는 기초 파이썬 활용 능력이 필요합니다.
파이썬이 익숙하지 않으신 분들께서는 마소캠퍼스의 ‘파이썬 데이터 분석 입문‘ 및 ‘파이썬 데이터 분석 실무’ 강의를 먼저 수강하시는 것을 추천드립니다.
Q. 강의 수강을 위한 요구사항이나 조건이 있나요?
실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다. 또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 강의 수강을 추천해드립니다.
Q. 딥러닝에는 고사양 PC가 필요하다고 들었는데, 실습에 고사양 PC가 필요할까요?
고사양 환경에서 실행시키시는 것이 좋기는 하나, 본 강의에서는 Anaconda와 Jupyter Notebook을 활용한 가상 환경에서 실습을 진행합니다. 따라서, 일반적인 업무용 PC 수준이면 수강에 어려움이 없습니다.
📢 수강 전 확인해주세요!
- 실습 위주의 강의로, 강의 영상과 실습창을 분리할 수 있는 듀얼 모니터 내지 여분 기기를 함께 준비해주시면 좋습니다.
- Windows 기반으로 실습이 진행되므로, Windows 환경에서의 수강을 추천드립니다.
- 강의 교안 및 실습 파일은 섹션 "교재 다운로드 센터"에서 내려받을 수 있습니다.
이런 분들께
추천드려요!
학습 대상은
누구일까요?
이미지 분류를 이용해 업무 활용을 시도하고 싶은 실무자
IT업계로 창업/이직/입사 등 커리어를 쌓고 싶은 모든 사람
사업에 인공지능을 도입하고 싶은 경영자, 실무자
딥러닝 역량을 쌓기 위해 CNN의 핵심 기법을 제대로 익혀 시작하고 싶은 모든 사람
선수 지식,
필요할까요?
본 강의는 기본적인 파이썬 활용 능력을 요구합니다.
마소캠퍼스의 [파이썬 입문], [파이썬 실무] 강의를 선수강하시는 걸 추천드립니다.
안녕하세요
마소캠퍼스입니다.
수강생 수
4,830
수강평 수
485
강의 평점
4.7
강의 수
73
"어제보다 성장하겠습니다. 그리고, 어제보다 성장하려는 사람을 돕겠습니다."
마소캠퍼스의 진심과 소망을 담은 Actionable Content로,
2013년부터 온오프라인으로 함께해 온 누적 강의 1억시간!
이 소중한 경험과 시간은 언제나 마소캠퍼스와 수강생 모두의 성장의 원천입니다.
마소캠퍼스 팀은 우리의 모두의 성장을 위해 두 가지 원칙을 반드시 지킵니다.
1. 배우면 반드시 쓸 수 있는 Actionable Content
2. 참여자의 시간과 수고를 존중하는 Time-Saving Curriculum
마소캠퍼스의 Actionable and Time-Saving Curriculum으로 성장의 길을 함께 걸어나가길 기원합니다.
커리큘럼
전체
23개 ∙ (2시간 37분)
가 제공되는 강의입니다.