설명
| 개강 | 2020년 9월 23(수) 오후 7시 |
| 일정 | 2020/9/23~11/4 수요일 오후7시~10시(3시간씩 6회), 9/30 휴강 |
| 장소 | 토즈 서울대입구역점 (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 |
| 사전교육 1 | Python 입문 강의자료(PPT, 소스코드) 제공 |
| 사후교육 | 강의 녹화 동영상 3개월간 제공. 강의 후 2일내 업로드됨 |
수강신청
수강 신청을 먼저 하시고 결제는 개강 확정 이후에 하시면 됩니다.
WEEK 1> 딥러닝 모형 입문
| I | 강의 주제 | 강의 내용 |
| 1 | ANN 구조 | Layer, Activation function, Forward/Backward propagation |
| 2 | TensorFlow 2.0 | Computational graph, TensorBoard, Keras |
| 3 | Gradient Descent | Stochastic gradient descent, Momentum, ADAM |
| 4 | 딥러닝 입문 예제 | MNIST digit classification |
WEEK 2, 3> Convolutional Neural Networks
| I | 강의 주제 | 강의 내용 |
| 1 | CNN 구성요소 | Stride, Padding, Pooling, Fully connected layers |
| 2 | CNN 구조 | LeNet, AlexNet, VGGNet, GoogleNet |
| 3 | Capsule networks | Capsule networks 개념, 구조, 구현 방법 |
| 4 | CNN 예제 | word2vec, doc2vec |
WEEK 4> Recurrent Neural Networks
| I | 강의 주제 | 강의 내용 |
| 1 | RNN | Feedforward 구조와의 차이점, Backpropagation through time, 다양한 RNN 구조 |
| 2 | LSTM | LSTM의 구조, Vanishing gradient problem 해결 |
| 3 | GRU | GRU 구조, Overfitting 문제 해결 |
| 4 | RNN 예제 | seq2seq |
WEEK 5> Generative Adversarial Neural Networks
| I | 강의 주제 | 강의 내용 |
| 1 | GANs | Discriminative 모형과 generative 모형 간 차이점 |
| 2 | DCGAN | GAN에 convolution 첨가 |
| 3 | GANs 변형 | CGAN, InfoGAN, CycleGAN, StackGAN |
| 4 | GANs 예제 | 손글씨 재현 |
WEEK 6> Autoencoders
| I | 강의 주제 | 강의 내용 |
| 1 | AE 개념 소개 | AE 구조 및 용도 이해 |
| 2 | AE 종류 1 | convolutional AE, denoising AE,
sparse AE, contractive AE, |
| 3 | AE 종류 2 | variational AE |
| 4 | AE 예제 | MNIST 이미지 재구성 |
[수업 대상]
- 딥러닝을 실무에 적극 활용하시고 싶은 분: 이미지, 텍스트, 음성 등 각종 비정형 데이터 분석 업무에 관련된 전문 지식에 대해 조언해 드리겠습니다.
- 딥러닝 관련 학위 논문 작성 중이신 분: 딥러닝 전반에 걸친 조언을 수업시간과 휴식시간을 통해서 해드리고 개인적으로도 적극 도와드리겠습니다.
- 전직 및 이직을 준비 중이신 분: 인공지능, 데이터 사이언스 및 관련 분야에 대한 각종 정보와 전직 및 이직에 대한 조언을 해드리겠습니다.
- 금융공학, 계량경제학, 기계학습 분야에 조언이 필요하신 분: 강사의 경험과 인적 네트워크를 활용하여 적극적으로 도와드리겠습니다.
상품평
아직 상품평이 없습니다.