Thumbnail
얼리버드 할인 중
NEW 데이터 사이언스 인공지능

처음하는 딥러닝과 파이토치(PyTorch) 부트캠프 [차근차근 인공지능 기본기 다지기]

21명이 수강하고 있어요.

25%

57,750원

77,000원
지식공유자: 잔재미코딩
총 97개 수업 (22시간 20분)
수강기한: 무제한
수료증: 발급
난이도:  입문-초급-중급이상
지식공유자 답변이 제공되는 강의입니다
이 강의는 멘토링 신청이 가능합니다.
멘토링은 수강 신청과 별개로 운영되며, 수강생이 아니어도 신청할 수 있습니다.
폴더에 추가 공유
초급자를 위해 준비한
[인공지능, 데이터 사이언스] 강의입니다.

강사가 처음 딥러닝을 익혔을 때 실패했던 경험을 바탕으로 딥러닝 이해에 필요한 수학, 이론, 파이토치 기반 구현, 전이학습 최신 기술까지 차근차근 익힐 수 있도록 새롭게 꾸민 강의입니다.

✍️
이런 걸
배워요!
딥러닝 개념
ANN, DNN, CNN, RNN, LSTM 개념과 구현
Transfer Learning 개념과 구현
최신 전이 학습과 timm, huggingface transformers 사용법

파이썬 딥러닝 입문자를 위한
차근차근 익히는 완성도 높은 강의
잔재미코딩 Dave Lee 가 만든 강의입니다

네카라쿠배도 사내 교육 강의로 선택한 강의!
본 강의는 실제 네카라쿠배 회사 중 한 곳에서 공식 파이썬 딥러닝 사내 교육 강의로 사용하고 있습니다.

데이터 분석/과학 로드맵 기반, 파이썬 딥러닝을 처음 익히는 입문자를 위한 강의입니다. 강사가 오래 전 처음 딥러닝을 익혔을 때의 실패 경험을 바탕으로 딥러닝 이해에 필요한 수학, 딥러닝 이론, 파이토치 기반 구현, 전이학습 최신 기술까지 이론과 실습을 병행하며, 어려운 딥러닝을 차근차근 익힐 수 있도록 꾸몄습니다. 

복잡한 인공지능 기술, 어디서부터 시작해야 하나요?

  • 최근 인공지능 기술은 딥러닝 기술을 익히시면 됩니다.
  • 딥러닝 기술은 다른 기술과는 달리, 바로 구현할 수 없고, 이론 이해가 필요합니다. 이론이 80% 라고 보시면 됩니다.
  • 문제는 이론을 한번에 이해하기 어려우며, 수학, 통계, 확률 지식이 필요한 부분도 있다는 점입니다.
  • 그렇다고 이론을 매우 얇게만 이해하면, 최신 딥러닝을 이해할 수 있는 사고를 기를 수 없습니다. 
  • 본 강의는 딥러닝을 처음 익힐 때, 꼭 필요한 지식과 이론을 입문 레벨에서 이해할 수 있는 깊이까지 다루었습니다.
  • 또한, 구현도 파이토치 사용법을 차근차근 다양한 예제와 문법을 익힐 수 있도록 구성하였습니다.

강사가 수차례 실패하며 느끼고 고민한 바를 고스란히 녹였습니다.

  • 딥러닝은 사실 익히기 어렵습니다!
    • 기본 이론이 수학, 통계, 확률, 머신러닝 기술까지 연결되어 있고, 분량이 상당하여,
    • 보통 딥러닝 강의는 맨 마지막에 들어서야 비로소 딥러닝 기본 코드를 구현하게 됩니다.
  • 그렇다고 기본 이론 부분을 너무 얇게 가져가면, 딥러닝 기본기를 갖추기 어렵습니다 
  • 그래서, 본 강의는 입문 레벨에서 익힐 만큼의 깊이로, 필요한 관련 지식까지 정리하며 이론을 다루면서,
  • 이론과 구현을  수시로 병행하여, 차근차근 지치지 않고, 하나씩 익힐 수 있도록 구성하였습니다

👉 결국 강의를 끝까지 들으면, '이제 나도 딥러닝 기본기는 쌓았다' 는 느낌이 자연스럽게 들 수 있도록 만들었습니다.


정리해야 하는 이론을 차근차근 정리하고, 
파이토치 설치부터, 딥러닝 코드도 하나씩 개선하여,
결국 캐글 문제 제출까지
해볼 수 있도록 꾸몄습니다

💬 딥러닝 기술을 익혀보려니, 정리해야할 부분이 너무 많더라고요!

맞습니다. 딥러닝 이론이 수학, 통계, 확률, 머신러닝과도 연결되어 있다보니, 하나를 익히더라도, 정리해야할 부분이 너무 많습니다. 이를 찾고 정리하는데만도 상당한 시간이 걸립니다. 본 강의는 처음 딥러닝을 익힐 때, 이해할 수 있는 레벨까지 최대한 정리한 강의입니다. 기존 잔재미코딩의 강의처럼, 잔재미코딩만의 스타일로, 차근차근 정리하고, 설명드립니다

이것만으로도 시간을 빠르게 줄여줄 수 있습니다! 입문 레벨에서 익힐 수 있는 깊이까지 정리합니다!

💬 딥러닝은 처음인데! 본 강의를 듣기 위해 우선 익혀야 할 기술이 무엇인가요?

기본적으로는 파이썬(Python)과 판다스(pandas), 데이터 시각화(plotly), 머신러닝 라이브러리(sklearn)를 가볍게 경험하신 분이라면 충분합니다. 딥러닝 이해에 필요한 수학을 비롯한 관련 배경 지식은 모두 본 강의에서 다룹니다.

다만, 딥러닝 기술은 오랜 IT 및 데이터 분야의 지식이 쌓인 결과입니다. 또 데이터 분야를 처음 접한다면, 딥러닝 개념과 구현이 생소할 수 있습니다. 이를 이해하기 위해서는 우리도 기존 지식을 어느 정도는 받아들여 관련 사고를 기를 필요가 있습니다. 

특히 “처음하는 파이썬 머신러닝 부트캠프” 강의를 함께 수강하셔서 머신러닝 개념과 구현을 통해 데이터 분야에 익숙해지고, 관련 사고를 쌓는다면 생소한 딥러닝 개념을 훨씬 수월하게 받아들이실 수 있습니다.

함께 들으면 좋은 강의


데이터 분석/과학자 커리어를 위한,
탄탄한 데이터 과학 기본기를 갖출 수 있는 데이터 로드맵!

잔재미코딩이 제안하는 데이터 분석 과학 풀코스 📖 
익히는 순서에 따라 번호를 붙여 놓았습니다.

  1. 파이썬 입문과 데이터 수집(크롤링) 기본 (파이썬과 웹, 데이터 이해 기본)
  2. 쉽게 처음하는 파이썬 고급 크롤링 (현존 최강 크롤링 고급 기술 및 관련 IT 지식)
  3. SQL과 데이터 저장/분석 기본 (SQL 익히고, 데이터 저장/분석하기)
  4. NoSQL(mongodb) 빅데이터 기본 (NoSQL 익히고, 빅데이터 저장/분석하기)
  5. 처음하는 파이썬 데이터 분석 (데이터 전처리와 pandas, 최신 시각화) [데이터과학 Part1]
  6. 처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 문제로 개념/활용 익히기) [데이터과학 Part2]
  7. 처음하는 딥러닝과 파이토치 부트캠프 [데이터과학 Part3]

💬 저는 데이터 쪽 커리어를 생각하는 입문자인데, 어떻게 체계적으로 익힐 수 있을까요?

바로 위에서 보여드린 데이터 분석/과학 코스를 들으시면 도움이 되실 것입니다. 데이터 관련 커리어는 크게 데이터 분석가와 최근의 데이터 과학자로 볼 수 있습니다. 두 커리어는 결국 프로그래밍으로 데이터 수집, 저장, 분석, 예측 작업을 할 수 있으면 됩니다. 여기에 각 비즈니스 분야에 대한 지식(도메인 지식이라고 합니다)을 쌓으시면 경쟁력을 갖출 수 있습니다.

관련 기술에 대한 기본기를 차곡차곡 쌓을 수 있도록, 각 강의마다 기존에 없는 커리큘럼으로 난이도까지 고려해서 만들었습니다. 수년간 많은 분들이 학습하고, 굉장히 좋은 피드백을 주셨던 검증된 강의들입니다.

6년간 유료 수강자 2만명의 검증!
평균 별점 4.9★ 누적 리뷰 1,300+

시간을 낭비하지 마세요. 강사가 다르면, IT강의도 다를 수 있습니다!
꼼꼼하고, 합리적인 분이라면 가능합니다.

💬 딥러닝 기술, 익히는 데 얼마나 어려운가요?

생각보다 어려운 것은 사실입니다. 하지만 차근차근 정리하면, 결국 내 것으로 만들 수 있는 기술입니다.

딥러닝을 처음 익힐 때 가장 어려움을 겪는 부분은 관련 이론을 이해하기 위한 수학, 통계, 확률을 공부하는 부분입니다. 관련 기술만 수십 년 익힌 강사님은 쉽게 설명하더라도, 익히는 사람은 오랜 시간이 걸립니다.

이 중 하나에 잘못 빠지면 끝이 없습니다. 완급 조절이 필요합니다. 한 단계씩 이해할 수 있는 부분까지 익히며, 다음 단계로 나아가면 됩니다. 본 강의는 이런 완급 조절까지 고려해서, 딥러닝 입문자가 이해할 수 있는 레벨까지 정리하였습니다. 현명한 분들은 지금 단계에서 집중할 부분에 집중합니다. 

💬 최근에는 실제 데이터 문제를 푸는 캐글 경진대회도 많던데 가능할까요?

본 강의는 다양한 구현 기법과 예제를 다루며, 실제 kaggle 문제를 제출까지 할 수 있도록, 차근차근 설명합니다.

  • 처음에는 이론과 파이토치 문법부터 시작해서
  • 단계별로 조금씩 더 개선된 코드와 예제로 나아가며
  • 최종적으로는 캐글 문제에 적용해보는 단계까지 설명하였습니다.

처음 딥러닝을 익히는 분들을 위한 마중물 역할을 해드리는 강의입니다.


처음 배운다는 생각으로, 
입문자도 짧은 시간에 딥러닝 기본기를 갖출 수 있도록! 

  • 초심자를 생각해 만든, 꼼꼼하게 정리한 자료와 예제!
  • 기본부터 현재까지 활용되는 핵심 딥러닝 기술 체크!
  • 자연스럽게 딥러닝 사고를 기를 수 있도록 구성한 커리큘럼! 
  • 대세가 된 파이썬 딥러닝, 파이토치로 직접 구현까지!

아, 나도 딥러닝할 수 있구나! 라는 느낌이 들면 정말 기쁩니다. 인류가 만든 정점의 지식, 딥러닝을 나도 이해하고 활용할 수 있구나! 이 느낌은 곧 자부심으로 바뀝니다. 첨단을 달리는 새로운 기술을 내가 할 수 있는 만큼 시도해보세요! 큰 그림으로만 봐도 확연히 다릅니다.

💾 이해하기 쉽게 요약된 자료와 코드로 학습 효과를 확실하게 높이세요!

자료와 정보는 차고 넘칩니다. 꼭 필요한 부분을 딱 이해할 수 있게끔 만든 요약 자료로 상세히 설명하는 강의를 듣고 나면, 이후에는 언제든 '아! 이런 내용이 있었는데?'라는 생각만 들면 언제든 자료만 보고 바로 이해할 수 있습니다.

관련 주제 이해를 돕는 꼭 필요한 부분만 간결하게 담았습니다.

  • 딥러닝 구현 코드 파일을 제공합니다. 테스트 코드는 코드 테스트까지 가능한 포맷(주피터 노트북 형태)으로, 기본 이론은 PDF 파일로 제공해드립니다.
  • 딥러닝 관련 PDF 자료는 이북 (ebook) 처럼 언제든 확인하실 수 있도록 제공해드립니다. (단, 관련 자료는 저작권 이슈로 복사 및 다운로드는 제한하였습니다.)

💌 하나하나 세심하게 신경쓴 강의를 만들어나갑니다.

  • '아! 진짜 다르구나!' 라고 느낄 수 있도록 고민고민해서 만든 잔재미코딩의 IT 강의 시리즈입니다. 합리적이고 서로 배려하고 좋은 인연을 맺을 수 있는 분들만 수강 부탁드립니다 😊

잔재미코딩이 제안하는 
데이터/풀스택 커리어 로드맵!

🏃‍♀️ 데이터 분석/과학 코스: 데이터 수집, 분석, 예측까지 모두 가능한 최신 테크트리

현재까지 공개된 데이터 과학 강의 패키지를 할인된 가격으로 제공하고 있습니다. 할인율은 곧 축소될 예정입니다. (취업을 위한 데이터 분석 기본 기술 쉽게! 꼼꼼하게 익히기 바로가기)

  1. 파이썬 입문과 데이터 수집(크롤링) 기본 (파이썬과 웹, 데이터 이해 기본)
  2. 쉽게 처음하는 파이썬 고급 크롤링 (현존 최강 크롤링 고급 기술 및 관련 IT 지식)
  3. SQL과 데이터 저장/분석 기본 (SQL 익히고, 데이터 저장/분석하기)
  4. NoSQL(mongodb) 빅데이터 기본 (NoSQL 익히고, 빅데이터 저장/분석하기)
  5. 처음하는 파이썬 데이터 분석 (데이터 전처리와 pandas, 최신 시각화) [데이터과학 Part1]
  6. 처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 문제로 개념/활용 익히기) [데이터과학 Part2]
  7. 처음하는 딥러닝과 파이토치 부트캠프 [데이터과학 Part3]

🏃‍♀️ 풀스택 코스: 최신 웹/앱 서비스를 A to Z로 혼자서도 만들 수 있는 테크트리

현재까지 공개된 풀스택 강의 패키지를 할인된 가격으로 제공하고 있습니다. 할인율은 곧 축소될 예정입니다. (가장 쉽고, 가장 최신 기술로 익히는 풀스택 로드맵 바로가기)

  1. 파이썬 입문과 데이터 수집(크롤링) 기본 (파이썬과 웹, 데이터 이해 기본)
  2. SQL과 데이터 저장/분석 기본 (SQL 익히고, 데이터 저장/분석하기)
  3. NoSQL(mongodb) 빅데이터 기본 (NoSQL 익히고, 빅데이터 저장/분석하기)
  4. 가장 빠른 풀스택: 파이썬 백엔드와 웹기술 기본 [풀스택 Part1]
  5. 풀스택을 위한 탄탄한 프론트엔드 기본: JavaScript (Vanilla JS & ES6+) 와 최신 웹기술 [풀스택 Part2]
  6. 풀스택을 위한 도커와 최신 서버 기술(리눅스, nginx, AWS, HTTPS, Flask 배포) [풀스택 Part3]
  7. 풀스택 앱 개발을 위한 Flutter 기본 [풀스택 Part4] (22' 하반기)
  8. 풀스택 웹, PC 프로그램, 앱 개발 클론코딩 시리즈 [풀스택 Part5] (23' 상반기)

앱/웹 기술이 급격히 변화 중이어서 React & Vue.js 강의의 보다 최신 기술을 선점하기 위해 웹/PC프로그램/앱 모두를 지원하는 가장 최신 기술인 Flutter로 진행되는 과정입니다.

지식공유자가 알려주는
강의 수강 꿀팁!
🎓
이런 분들께
추천드려요!
데이터분석가로 딥러닝 개념 이해가 필요하신 분
딥러닝을 처음 익히고자 하시는 분
딥러닝 이해를 위해 필요한 수학, 이론, 구현까지 정리하고자 하시는 분
파이토치 사용법을 익히고자 하시는 분
📚
선수 지식,
필요한가요?
파이썬
처음하는 파이썬 데이터 분석 강의 선수강 추천
처음하는 파이썬 머신러닝 부트캠프 강의 선수강 추천

안녕하세요
잔재미코딩 입니다.
잔재미코딩의 썸네일
Dave Lee (운영 블로그: 잔재미코딩)

현: 이커머스 기업 C사 기획(PO) 및 개발
전: SK, 삼성전자, 외국계 기업, 고려대학교 일어일문 학사, 연세대학교 컴퓨터공학 석사
주요 개발 이력: 삼성페이, 이커머스 데이터 서비스, 모바일 보안 시스템(CAS), RTOS 컴파일러, Linux Kernel Driver, NAS Embedded System  
저서: 리눅스 커널 프로그래밍, 리눅스 운영 체제의 이해와 개발,
누구나 쓱 읽고 싹 이해하는 IT 핵심 기술, 왕초보를 위한 파이썬 프로그래밍 입문서
운영 블로그: 잔재미코딩 (http://www.fun-coding.org) - 풀스택/데이터과학 기술 공유 블로그
커리큘럼 총 97 개 ˙ 22시간 34분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 1. 딥러닝 개념 이해를 위해 꼭 필요한 기본 배경지식 (이론)
큰 그림으로 학습해야할 딥러닝 과정 이해하기 13:56
딥러닝 개념 이해에 필요한 수학 기호 정리 13:48
딥러닝 기본 구조 이해를 위해 필요한 선형 회귀 정리 13:00
딥러닝 기본 구조 이해를 위해 필요한 Gradient Descent 정리 14:55
딥러닝 기본 구조 이해를 위해 필요한 텐서 이해 08:29
섹션 2. 파이토치(PyTorch) 기본 문법 정리 (실습 중심)
파이토치(PyTorch)와 텐서플로우(Tensorflow) 09:01
파이토치(PyTorch) 설치 방법 12:23
파이토치(PyTorch) 기본 문법 이해: 텐서 생성1 21:01
파이토치(PyTorch) 기본 문법 이해: 텐서 생성2 12:03
파이토치(PyTorch) 기본 문법 이해: 텐서 변환 12:14
파이토치(PyTorch) 기본 문법 이해: 텐서 연산 16:37
파이토치(PyTorch) 기본 문법 이해: 텐서 연산 (브로드캐스팅 이해) 07:46
파이토치(PyTorch) 기본 문법 이해: 텐서 인덱싱 17:57
파이토치(PyTorch) 기본 문법 이해: 텐서 조건 연산과 저장 07:21
섹션 3. 딥러닝 구현에 필요한 Numpy 라이브러리 사용법 정리 (실습 중심)
파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기2 17:37
파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기1 18:03
파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기3 05:41
섹션 4. 파이토치(PyTorch) 텐서 연산 관련 수학과 구현 정리 (이론+실습)
파이토치(PyTorch) 텐서 연산 관련 수학 정리 11:28
파이토치(PyTorch) 텐서 고급 연산 정리1 15:34
파이토치(PyTorch) 텐서 고급 연산 정리2 12:55
섹션 5. 딥러닝 핵심 이론 이해 (이론 중심)
ANN 과 퍼셉트론 이해 14:05
DNN(딥러닝) 이해 21:10
Activation Function 이해 11:44
Back Propagation(오차 역전파) 이해 22:51
섹션 6. 딥러닝 기본 구조 구현 (실습 중심)
인공 신경망 타입과 Linear Layer 이해 07:03
파이토치로 Linear Layer 구현하기 16:17
파이토치로 딥러닝 구조 클래스로 구현하기 20:53
섹션 7. 딥러닝 학습 구현하기 (실습 중심)
딥러닝을 위한 기본 Optimizer 정리: BGD 와 SGD 13:50
딥러닝 구현에 Optimizer 추가하기 17:11
파이토치로 딥러닝 구현 패턴 이해하기 18:30
데이터로 딥러닝 적용해보기 (당뇨병 환자 데이터) 20:44
섹션 8. 다양한 Activation Function 정리 (이론+실습)
Sigmoid Activation Function 핵심 정리 20:44
Gradient Vanishing 과 ReLU/LeakyReLU Activation Function 핵심 정리 12:15
지금까지 익힌 Activation Function 딥러닝 코드에 적용하기 15:22
지금까지 익힌 이론과 미니배치까지 적용된 딥러닝 코드 구현해보기 15:16
섹션 9. 다양한 Optimizer 정리하기 (이론 중심)
하이퍼 파라미터와 모델 파라미터 이해 06:17
Momentum Optimizer 핵심 이해 12:39
NAG Optimizer 핵심 이해 08:17
AdaGrad 와 RMSProp Optimizer 핵심 이해 09:08
Adam Optimizer 핵심 이해 06:55
지금까지 익힌 이론까지 딥러닝 구현에 적용하기 09:24
딥러닝으로 Regression 문제 적용해보기 (House Price Kaggle 문제) 23:42
섹션 10. Classification 문제 딥러닝 적용하기
Classification 문제를 위한 softmax 핵심 이해 09:55
Classification 문제를 위한 Cross Entropy Loss/BCELoss 핵심 이해 21:19
Classification 문제를 위한 주요 Metric 이해 06:53
Binary Classfication 딥러닝 적용해보기 (URL Phishing Kaggle 문제) 23:01
Multi-Calss Classfication 딥러닝 적용해보기 (IRIS 분류 문제) 16:08
섹션 11. 딥러닝 구조 개선하기 (실습 중심)
Bias 와 Variance 핵심 이해 11:24
Validation set 과 Early Stopping 핵심 이해 16:22
Validation set, Early Stopping, Mini-batch 적용하여 딥러닝 코드 개선하기 (MNIST 데이터셋) 20:28
이미지 데이터 딥러닝 적용을 위한 이미지 텐서 변환 코드 구현해보기 (MNIST 데이터셋) 14:07
지금까지 익힌 이론 딥러닝에 적용하여 딥러닝 코드 패턴 작성하기 14:34
검증을 위한 딥러닝 모델 테스트 코드 작성하기 26:00
섹션 12. 딥러닝 Regularization 기법 정리 (이론 중심)
딥러닝 Regularization 기법: Weight Decay 핵심 이해 08:06
딥러닝 Regularization 기법: DropOut 핵심 이해 08:28
딥러닝 Regularization 기법: Batch Normalization 핵심 이해 08:37
딥러닝 코드에 Batch Normalization 적용해보기 14:35
지금까지 익힌 딥러닝 이론과 실습 정리 (드디어 딥러닝 기본기를 쌓았습니다!) 06:28
섹션 13. 이미지를 위한 딥러닝 기본: CNN 이해 (이론+실습)
이미지를 위한 딥러닝 기본 - CNN 이해: Convolution Layer 이해 19:38
이미지를 위한 딥러닝 기본 - CNN 이해: Pooling Layer 와 FC Layer 이해 09:01
이미지를 위한 딥러닝 기본 - CNN 구현해보기1 13:21
이미지를 위한 딥러닝 기본 - CNN 구현해보기2 16:47
딥러닝을 위한 GPU 사용법과 Google Colab 20:44
Google Colab 으로 GPU 사용하여 CNN 학습 및 분류해보기 08:38
섹션 14. 순서가 있는 데이터를 위한 딥러닝 기본: RNN 과 LSTM 이해 (이론 중심)
순서가 있는 데이터를 위한 딥러닝 기본 - RNN 핵심 이해 13:55
[참고] 순서가 있는 데이터를 위한 딥러닝 기본 - RNN BPTT 핵심 이해 10:56
RNN 문제점을 개선한 LSTM 핵심 이해 19:36
[참고] 순서가 있는 데이터를 위한 다양한 딥러닝 구조 - GRU 와 Bidirectional RNN 핵심 이해 04:57
섹션 15. 순서가 있는 데이터를 위한 딥러닝 기본: RNN 과 LSTM 적용해보기 (실습 중심)
RNN 과 LSTM 구현해보기1 (MNIST 데이터셋) 16:31
RNN 과 LSTM 구현해보기2 (MNIST 데이터셋) 17:27
RNN 과 LSTM 으로 주식 데이터 예측해보기1 (주식 데이터 예) 17:55
RNN 과 LSTM 으로 주식 데이터 예측해보기2 (Custom Dataset 구현 기법 이해) 11:18
RNN 과 LSTM 으로 주식 데이터 예측해보기3 (시각화까지 해보기) 13:44
RNN 과 LSTM 으로 소비전력 예측해보기 (소비전력 Kaggle 문제) 14:47
섹션 16. 최신 딥러닝 기술 활용을 위한 지름길: 전이 학습 (Transfer Learning) 이해
전이 학습 (Transfer Learning) 이해 18:37
Transfer Learning (전이 학습) 을 위한 timm 라이브러리 사용법 이해 및 실습 18:32
섹션 17. Transfer Learning 을 위한 이미지 주요 모델 핵심 이해 (이론 중심)
Transfer Learning 을 위한 이미지 주요 모델 정리: Sequence 2 Sequence 모델과 Attention 핵심 이해 19:58
Transfer Learning 을 위한 이미지 주요 모델 정리: Transformer 모델 핵심 이해 15:48
Transfer Learning 을 위한 이미지 주요 모델 정리: Vision Transformer, Resnet, EfficientNet 모델 핵심 이해 13:15
섹션 18. 딥러닝 중급: 전이학습으로 최신 Visition Transformer 모델 적용해보기 (실습 중심)
Huggingface transforms 라이브러리 기반 Vision Transformer 모델 사용법 이해 20:40
Huggingface transforms 라이브러리 기반 Vision Transformer 적용 실습1 (CIFAR10 데이터셋) 16:30
Huggingface transforms 라이브러리 기반 Vision Transformer 적용 실습2 (CIFAR10 데이터셋) 09:47
섹션 19. 딥러닝 중급: 실전 캐글 (Kaggle) 문제로 실제 문제 풀어보기
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기1 14:38
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기2 19:26
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기3 18:11
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기4 19:37
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기5 13:05
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기6 06:26
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기7 08:49
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기8 10:20
섹션 20. Outro
강의 마무리 및 향후 학습 팁 14:37
강의 게시일 : 2022년 09월 23일 (마지막 업데이트일 : 2022년 09월 23일)
수강평
수강생분들이 직접 작성하신 수강평입니다. 수강평을 작성 시 300잎이 적립됩니다.
아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의를
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스