775b93184e41f937a4348d00a6cae9bb.jpg

 

안녕하세요. 인공지능 개발자 모임 운영자입니다. 이번에 새로운 교육 과정을 준비하였습니다. 딥러닝을 처음 배우는 초보자들을 대상으로 합니다. 신경망이나 딥러닝을 전혀 몰라도, 하나씩 단계적으로 배울 수 있도록 구성하였습니다. 기본적인 파이썬 문법만 알면 쉽게 따라오실 수 있습니다.

 

현재 딥러닝 교육을 하고 있는 곳이 많이 있습니다. 하지만 100만원이 넘는 가격이 조금 부담스러운 편입니다. 이런 분들을 위해 20만원대의 저렴한 강의를 제공하고자 합니다. 또한 등록하신 분들만 사용할 수 있는 페이스북 스터디 그룹을 운영합니다. 수업 시간에 부족했던 내용은 여기서 자유롭게 질문하실 수 있습니다. 교육이 끝나고 나서도, 서로 부담없이 물어보면서 공부할 수 있는 공간으로 활용할 계획입니다. 

 

사실 딥러닝에 뛰어난 분들은 많습니다. 하지만 자신이 이해하는 것과 남에게 설명하는 것은 별개의 능력입니다. 저는 오랫동안 인공지능 커뮤니티를 운영하면서 다양한 글과 발표자료들을 작성하였습니다. 그러면서 어떻게 하면 어려운 내용을 최대한 쉽게 알려줄 수 있을지 고민을 해왔습니다. 딥러닝을 처음 접하시는 수강생들에게 제 강의가 큰 도움이 될거라 믿습니다.
 

딥러닝 라이브러리에는 여러 종류가 있지만 여기서는 케라스를 기반으로 합니다. 우선 다른 프레임워크에 비해서 직관적이고 사용법이 간단해서 쉽게 배울 수가 있습니다. 또한 2019년 하반기에 업데이트 될 텐서플로 2.0에서도 케라스가 핵심적인 역할을 하게 되었습니다. 아래 텐서플로 공식 튜토리얼을 보면 모두 케라스 코드로 되어 있는 것을 확인하실 수 있습니다.

 

< 텐서플로 2.0 사이트 >

-> https://www.tensorflow.org/beta/

 

 

 

강사 소개

 

프로필사진.jpg

 

< 약력 >

- 서강대 컴퓨터학과 전공

- 서강대 컴퓨터학과 대학원 인공지능 연구실

- LG전자 단말연구소

- 인공지능 개발자 모임 페이스북 그룹 운영 (Link)

- 인공지능 개발자 모임 유튜브 운영 (Link)

- 챗봇 코리아 페이스북 그룹 운영 (Link)

 

< 강의 경험 >

- 삼성전자 R&D 센터 사내교육

   : 딥러닝 자연어처리 이론 및 실습 (강의일부)

- 한국인공지능아카데미 스터디 리더

   : 케라스 창시자에게 배우는 딥러닝 (Link)

   : 텐서플로와 머신러닝으로 시작하는 자연어처리 (Link)

- 비트캠프 프로젝트 멘토

   : 인공지능 플랫폼 개발 전문가 과정 (Link)

- 자연어처리 컨퍼런스 LangCon 2019

   : 사례중심으로 본 감성챗봇의 미래 (Link)

 

 

 

교육 과정

 

< 1주차 : 딥러닝의 기본 >

- 딥러닝 소개

- 텐서 및 데이터 표현

- 경사하강법 및 역전파

- 케라스 사용법

- (실습) AND / XOR 분류

 

< 2주차 : 신경망 >
- 신경망 모델 만들기

- 머신러닝의 기본

- 머신러닝의 핵심 요소(옵티마이저, 손실함수, 측정방법, 배치, 정규화, 과대적합)

- (실습) IMDb 영화 리뷰 이진 분류

- (실습) MNIST 손글씨 다중 분류

- (실습) 보스턴 집값 예측 회귀

 

< 3주차 : 이미지 인식 딥러닝 >

- CNN의 기본

- CNN의 동작 방식(컨볼루션, 필터, 스트라이드, 패딩, 맥스 풀링)

- (실습) MNIST 손글씨 CNN 분류

- (실습) Caltech101 이미지 CNN 분류

- (실습) Caltech101 이미지 CNN 분류 with 데이터 증식

- 전이 학습 소개

- (실습) Caltech101 이미지 CNN 분류 with 특징 추출 / 파인 튜닝

- 객체 검출 및 의미 분할

 

< 4주차 : 시계열 및 텍스트 딥러닝 >

- 시계열 모델의 기본(RNN, LSTM, Seq2Seq, 어텐션)

- 시계열 모델의 최신 기법(트랜스포머, BERT, GPT2)

- (실습) LSTM으로 주식 가격 예측

- (실습) LSTM으로 소설 쓰기

- 임베딩 소개

- (실습) IMDb 영화 리뷰 분류 with 임베딩

- CNN으로 텍스트 처리

- (실습) IMDb 영화 리뷰 분류 with Conv1D

 

< 5주차 : 자연어처리 >

- 자연어처리의 기본(전처리, 형태소분석, 구문분석, 의미분석)

- (실습) 자연어처리 튜토리얼

- 딥러닝 자연어처리

- 워드 임베딩

- (실습) IMDb 영화 리뷰 분류 with 워드 임베딩

- (실습) Seq2Seq 챗봇

 

< 6주차 : 강화학습 > 

- 강화학습 소개

- Q-Learning의 기본

- (실습) Q-Learning으로 FrozonLake 구현

- DQN의 동작 방식

- (실습) DQN으로 CartPole 구현

- 강화학습의 최신 기법
 

 

 

강의 자료 미리보기


< 딥러닝의 기본 >

https://www.slideshare.net/deepseaswjh/ss-155346055

 

< 실습 : Caltech101 이미지 CNN 분류 >

https://github.com/deepseasw/caltech101-image-cnn-classification

 

< 실습 : Seq2Seq 챗봇 >

https://github.com/deepseasw/seq2seq_chatbot

 

 

 

세부 사항

 

< AI Dev 딥러닝 입문 강의 2기 >

- 2019.10.5 ~ 2019.11.9

- 매주 토요일 14:00 ~ 17:00 / 6주

- 최대 인원 : 10명

 

< 강의 장소 >

- 강남역 근처 스터디 공간

 

< 수강료 >

- 24만원 (정가 29만원)

- 얼리버드 20% OFF

- 매주 가격이 소폭 인상될 수 있습니다.

 

 

 

신청 방법

 

하단의 구글 설문지를 통해 등록하시면 됩니다. 이후 이메일이나 카카오톡을 통해 자세한 내용을 알려드리겠습니다.

 

< 문의하기 >

-> https://forms.gle/1x4b5YrZvDcW54gq8

 

 

 

환불 규정

 

1) 교습개시 전 - 전액 환급

2) 총 교습시간의 1/3 경과 전 - 수강료의 2/3 해당액 환급

3) 총 교습시간의 1/2 경과 전 - 수강료의 1/2 해당액 환급

4) 총 교습시간의 1/2 경과 후 - 환급 불가

 

환불은 한 달 단위로 계산됩니다. 예를 들어, 6주 수강료가 60만원이라면 다음과 같습니다.

 

< 1주 수업 완료시 환불 요청 >

- 26(1개월 2/3) + 20(2개월 전액) = 46

 

< 2주 수업 완료시 환불 요청 >

- 0(환급 불가) + 20(2개월 전액) = 20

 

< 3주 수업 완료시 환불 요청 >

- 0(환급 불가) + 20(2개월 전액) = 20

 

< 4주 수업 완료시 환불 요청 >

- 0(환급 불가) + 13(2개월 2/3) = 13

 

< 5주 수업 완료시 환불 요청 >

- 0(환급 불가) + 0(환급 불가) = 0

 

 

 

추천 서적

 

8315e36c0f38664d8cae40afe181fb28.jpg

 

케라스를 만든 프랑소와 숄레가 직접 쓴 책입니다. 국내에 출간된 딥러닝 서적 중에서 '핸즈온 머신러닝'과 함께 최고의 교재라고 생각합니다. 다만 머신러닝이나 딥러닝을 처음 접한 초보자가 보기에는 조금 어려운 편입니다.

 

 

 

e8b75335b31e5af810fc9dc2b07dde11.jpg

 

케라스 입문서 중에서 가장 쉬운 책입니다. 초보자를 대상으로 매우 쉽게 설명하기 때문에 처음 딥러닝을 배우는 분들에게 알맞습니다. 하지만 깊이가 조금 부족한 것이 단점입니다. 

 

 

 

cf779bc3a160ee637155ea0272e4d91f.jpg

 

텐서플로나 케라스 같은 딥러닝 프레임워크를 사용하지 않고 오직 파이썬만으로 구현하는 책입니다. 직접 딥러닝 코드를 작성하는 만큼 이론적으로 매우 자세하게 다루는 것이 특징입니다. 입문서를 보고 난 다음, 기본기를 다지고 싶은 분들에게 추천합니다.

 

 

 

f68e006e4af74b284385c83230e8a685.jpg

 

딥러닝의 기반이 되는 신경망을 파이썬으로 구현해보는 책입니다. 신경망의 동작 원리에 대해서 완벽하게 이해하실 수 있습니다. 특히 경사하강법과 역전파에 대해서 이만큼 쉽고 자세하게 설명한 것은 본 적이 없습니다. 딥러닝의 기초를 알고 싶으신 분들에게 도움이 될 듯 합니다.