775b93184e41f937a4348d00a6cae9bb.jpg

 

안녕하세요. 인공지능 개발자 모임 운영자입니다. 딥러닝 입문 강의를 소개해드립니다. 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 합리적인 가격으로 준비하였습니다.


그동안 여러 강의를 해보았는데 수강생이 조금만 많아도 일방적인 주입식 교육이 되었습니다. 또한 참가자 한명 한명에게 신경을 쓰면서 잘 이해하고 있는지 확인하기가 어려웠습니다. 그래서 6명의 소수 인원으로 구성된 강의를 기획하였습니다.

 

딥러닝 라이브러리는 케라스를 기반으로 합니다. 우선 다른 프레임워크에 비해서 사용법이 간단해서 쉽게 배울 수가 있습니다. 또한 텐서플로 2.0에서도 케라스가 핵심적인 역할을 하게 되었습니다. 아래 텐서플로 공식 튜토리얼을 보면 모두 케라스 코드로 되어 있습니다.

 

< 텐서플로 2.0 사이트 >

-> https://www.tensorflow.org/tutorials


 

 

강사 소개

 

프로필사진.jpg

 

< 약력 >

- 서강대 컴퓨터학과 전공

- 서강대 컴퓨터학과 대학원 인공지능 연구실

- LG전자 단말연구소

- 인공지능 개발자 모임 페이스북 운영 (Link)

- 인공지능 개발자 모임 유튜브 운영 (Link)

- 챗봇 코리아 페이스북 운영 (Link)

 

 

< 강의 경험 >

- 삼성전자 R&D 센터 사내교육

   : 딥러닝 자연어처리 이론 및 실습 (강의일부)

- IITP 실용 중심 인공지능 SW개발자 양성과정

   : 머신러닝 및 딥러닝 자연어처리 (Link)

- 비트캠프 프로젝트 멘토

   : 인공지능 플랫폼 개발 전문가 과정 (Link)

- 한국인공지능아카데미 스터디 리더

   : 케라스 창시자에게 배우는 딥러닝 (Link)

   : 텐서플로와 머신러닝으로 시작하는 자연어처리 (Link)

- 자연어처리 컨퍼런스 LangCon 2019

   : 사례중심으로 본 감성챗봇의 미래 (Link)

 

 

 

세부 사항

 

< AI Dev 딥러닝 입문 강의 4기 >

- 2019.12.7 ~ 2020.1.11 (마감)

- 매주 토요일 10:00 ~ 13:00 / 6주

- 최대 인원 : 6명

 

< AI Dev 딥러닝 입문 강의 5기 >

- 2020.1.4 ~ 2020.2.15 (1/25 휴강) (마감)

- 매주 토요일 14:00 ~ 17:00 / 6주

- 최대 인원 : 6명

 

< 강의 장소 >

- 강남역 근처 스터디 공간

 

< 수강료 >

- 24만원 (정가 29만원)

- 얼리버드 할인 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

 

 

 

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

- 신경망의 기본

- 신경망의 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

 


 

환불 규정

 

1) 교습개시 전 - 전액 환급 (최대한 수업시작 일주일 전까지 알려주시면 고맙겠습니다.)

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 24만원이라면 다음과 같습니다.

 

< 1주 수업 완료시 환불 요청 >

- 10(1개월 2/3) + 8(2개월 전액) = 18

 

< 2주 수업 완료시 환불 요청 >

- 0(환급 불가) + 8(2개월 전액) = 8

 

< 3주 수업 완료시 환불 요청 >

- 0(환급 불가) + 8(2개월 전액) = 8

 

< 4주 수업 완료시 환불 요청 >

- 0(환급 불가) + 5(2개월 2/3) = 5

 

< 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.