설명
| 개강 | 미정 |
| 일정 | 미정 |
| 장소 | 토즈 모임센터 서울대입구점
(지하철2호선 서울대입구역4번출구, 도보1분) |
| 강사 | 한창호, 콴트글로벌 대표 / 경제학박사 |
| 문의 | crm@quantglobal.co.kr, 02.761.8090 |
| 기타 | 실습을 위한 노트북 컴퓨터 지참 필수 |
| 특징 | 수료증 발급 |
| 사후교육 | 강의 녹화 동영상 3개월간 제공. 강의 후 1일내 업로드됨 |
DAY I
| I | 강의 주제 | 강의 내용 |
| 1 | Machine Learning 개요 | ML 알고리듬 별 특징 및 대표적 용도 |
| 2 | Artificial Neural Networks | ANN 구조, 작동 원리, 주요 구성요소 |
| 3 | Deep Learning 입문 | DNN 모형의 차별성, 특징, 용도 |
| 4 | Deep Learning Tools | Keras, PyTorch, TensorFlow 설치 및 사용법 |
DAY II
| II | 강의 주제 | 강의 내용 |
| 1 | Convolutional Neural Networks | CNN 개념, 구조, 성능 개선 방법 |
| 2 | CNN 실습 | Keras를 이용한 CIFAR-10 예제 실습 |
| 3 | Transfer Learning | TL 개념, 고급 CNN 모형(VGG, Residual, Inception, DenseNets, Capsule) |
| 4 | TL 실습 | PyTorch를 통한 Artistic style transfer 예제 실습 |
DAY III
| III | 강의 주제 | 강의 내용 |
| 1 | Generative models | Generative models 개념, 용도 |
| 2 | Generative models | Variational autoencoders |
| 3 | Generative models | Generative Adversarial networks |
| 4 | Generative models 실습 | GAN 모형dmf dldydgks MNIST 예제 실습 |
DAY IV
| IV | 강의 주제 | 강의 내용 |
| 1 | Recurrent Neural Networks | RNN 구조, 용도, 훈련 방법 |
| 2 | Recurrent Neural Networks | Long Short-Term Memory |
| 3 | Recurrent Neural Networks | Gated Recurrent Units |
| 4 | RNN 실습 | RNN을 이용한 경제 시계열 분석 예제 |







상품평
아직 상품평이 없습니다.