강의

멘토링

커뮤니티

BEST
AI 기술

/

컴퓨터 비전

딥러닝 CNN 완벽 가이드 - TFKeras 버전

딥러닝·CNN 핵심 이론부터 다양한 CNN 모델 구현 방법, 실전 문제를 통한 실무 딥러닝 개발 노하우까지, 딥러닝 CNN 기술 전문가로 거듭나고 싶다면 이 강의와 함께하세요 :)

(4.9) 수강평 117개

수강생 2,107명

  • 권 철민

먼저 경험한 수강생들의 후기

이런 걸 배울 수 있어요

  • 딥러닝, CNN을 이루는 핵심 기술 요소

  • Tensorflow, Keras를 구성하는 중요 기반 Framework

  • CNN 분류 모델의 성능을 향상하는 튜닝 노하우

  • CNN을 활용한 이미지 분류 구현

  • 다양한 이미지 Augmentation 기법과 이를 활용한 모델 성능 향상 기법

  • Keras ImageDataGenerator와 Sequence의 상세 메커니즘

  • 딥러닝 CNN을 위한 이미지 데이터 전처리(Preprocessing) 기법

  • AlexNet, VGGNet, Inception, ResNet 등 핵심 CNN 모델

  • Xception과 EfficientNet 등의 최신 모델 적용

  • Pretrained 모델의 미세 조정(Fine Tuning) 학습 이해와 적용

  • 다양한 Learning Rate Scheduler 기법을 활용한 모델 성능 향상 방안

  • 이미지 전처리, 데이터 가공, 모델 생성, 최적 성능 개선, 성능 평가 등 실무 딥러닝 개발 방법

제가 이 강의를 만든 이유 😚

가장 빠르게 발전하는 딥러닝 분야, CNN

딥러닝의 활용 분야중 딥러닝 CNN 기반의 컴퓨터 비전 영역은 가장 급격히 성장하고 있으며, 또한 가장 빠르게 변화하고 있는 분야입니다. 따라서 딥러닝 기반 컴퓨터 비전 분야에서 전문가로 성장하기 위해선 CNN에 대한 실전 구현 능력과 핵심 역량을 갖추는 것이 필수가 되었습니다. 이를 위해 '딥러닝 CNN 완벽 가이드 - Fundamental 편"' 강의를 출시하게 되었습니다. 그리고 보다 Advance한 주제를 담아 '딥러닝 CNN 완벽 가이드 - Advance 편' 을 추후에 출시할 예정입니다.

이번 강의에서 배우는 것

이번에 출시한 '딥러닝 CNN 완벽 가이드 - Fundamental' 편은 딥러닝과 CNN의 핵심 기술 요소에 대한 깊이 있는 이론과 실습부터 CNN 이미지 분류 모델 구축을 위한 다양한 구현 기술과 모델 성능 최적화 방법을 제공해 드립니다. 그리고 많은 실습 예제들을 따라해 보면서 이미지 전처리, 데이터 로딩, tf.keras 프레임웍의 이해, 최신 CNN 모델의 내부 아키텍처 그리고 실전에서 활용될 수 있는 모델 성능 튜닝법등을 체득할 수 있게 도와드려 여러분을 딥러닝 CNN 기술 전문가로 성장시켜 드릴 것입니다.

딥러닝 CNN 강의, 이 강의로 종결.

130강, 30시간의 강의를 통해 CNN 이해에 필요한 모든 내용을 심도 깊게 담았습니다.
아래 배우는 내용과 강의자료 일부를 확인해 보세요.

권 철민, 딥러닝 CNN 완벽 가이드

강의자료를 미리 확인해 보세요 🙂

이 강의의 특징

1. 딥러닝과 CNN을 이루는 핵심 기술 요소에 대한 깊이 있는 이론과 실습

딥러닝과 CNN의 핵심 기반 지식을 깊이 있는 이론과 실습을 통해 여러분의 머리 속에 인스톨시켜 드립니다.

 

2. Tensorflow.Keras를 구성하는 핵심 Framework 이해

Tensorflow.Keras를 구성하는 핵심 Framework에 대한 상세한 설명과 실습을 통해 보다 유연하고 확장성 높은 강력한 Keras기반 CNN 애플리케이션을 구현할 수 있도록 도와드립니다.

 

3. 이미지 전처리 부터 CNN 모델 최적 성능 튜닝까지!
이미지 분류 모델 구현의 A-Z를 다양한 실습 예제를 통해 익히며 실전 능력 극대화

딥러닝 기반 컴퓨터 비전 전문가로 성장하기 위해서는 이미지 처리를 위한 기반 기술을 함께 갖추어야 합니다. 이미지 전처리 방법, 이미지 배열과 특성, 이미지 라이브러리 활용법, Albumentations와 같은 전용 툴을 활용한 Augmentation 기법등 딥러닝 이미지 판별 모델 구현을 위한 이미지 처리 기반 기술을 상세하게 설명 드립니다.

다양한 데이터 세트와 난이도 있는 실전 문제를 통해서 자유자재로 CNN 이미지 분류 모델 구현할 수 있는 능력은 물론이고 Augmentation과 Learning Rate 최적화, 그리고 EfficientNet등의 최신 모델을 활용한 이미지 분류 모델의 최적 성능 튜닝 기법을 익힐 수 있습니다. 

 

4. Modern CNN의 발전에 중요한 기틀이 된 핵심 CNN 모델을 소스 코드 레벨로 상세하게 설명합니다.

CNN을 이미지 분류 모델을 넘어 더욱 확장된 Application에 사용하려면 Modern CNN 모델이 어떻게 발전되어 왔고, 이들을 이루는 핵심 기술이 무엇인지 이해하는 것이 중요합니다. 이를 위해 AlexNet, VGGNet, GoogLeNet(Inception), ResNet등 중요 핵심 CNN 모델의 아키텍처와 특성, 그리고 이들 모델들의 구현을 소스 코드 레벨로 상세히 설명 드립니다.

 

실습 환경 안내

실습 환경은 Kaggle에서 제공하는 notebook 커널로 수행합니다. Kaggle에 가입 하신 후 Code 메뉴를 선택하시면 Colab과 유사한 Jupyter Notebook 환경을 이용 하실 수 있습니다.


Kaggle Notebook 커널은 GPU P-100 VM을 무료로 제공합니다. 또한 수려한 UI환경과 Kaggle 의 다양한 데이터와도 쉽게 연동되어 매우 편리하게 실습을 진행할 수 있습니다. 실습 코드는 Tensorflow 2.4의 tf.keras 기반으로 작성되었습니다. 보다 자세한 실습 환경 설명은 세션0 의 실습 환경 소개 동영상을 참조해 주세요.

강의 자료와 실습 코드는 '섹션 0: 강의 소개' 와 실습환경 소개의 강의자료와 실습코드 다운로드 받기에서 받으실 수 있습니다.

여러분의 노력이 얼마나 소중한지 알기에.

어떤 분야든 노력 없이는 전문가가 될 수 없습니다. 아니, 노력 없이 전문가가 되었다면 그건 전문가가 아닙니다. 여러분이 딥러닝 분야의 전문가가 되고 싶은 열망을 잘 알기에, 그리고 거기에 쏟는 노력의 소중함을 잘 알기에, 여러분이 딥러닝 공부에 투자하는 조금의 시간이라도 헛된 시간이 되지 않도록 심혈을 기울여 딥러닝 CNN 완벽 가이드 강의를 만들었습니다.

본 강의는 여러분이 딥러닝 전문가로 성장할 수 있는 소중한 디딤돌이 되어 드릴 것입니다. 

 

미리 배우면 도움이 되는 강의 ✨

권철민 지식공유자님의, '머신러닝' 강의 시리즈

인프런이 만난 사람

권철민님의 인터뷰를 만나보세요! | 보러 가기

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 딥러닝과 CNN에 대한 기본 역량을 크게 향상시키고 싶은 분

  • CNN에 대한 확실한 이해가 필요한 분

  • 컴퓨터 비전 분야에서 딥러닝 이미지 분류 모델을 활용하고자 하시는 분

  • Kaggle이나 데이콘의 이미지 분류 경진대회를 준비하시는 분

  • 기타 딥러닝 학습에 관심이 있으신 분

선수 지식,
필요할까요?

  • Python 기본 구현 능력과 Numpy, Pandas에 대한 기초 이해가 필요합니다.

  • 머신 러닝에 대한 기초적인 이해도가 있으셔야 합니다. (오버 피팅이나 왜 학습/검증/테스트 데이터 세트가 필요한지 등)

안녕하세요
입니다.

26,759

수강생

1,362

수강평

4,005

답변

4.9

강의 평점

14

강의

(전) 엔코아 컨설팅

(전) 한국 오라클

AI 프리랜서 컨설턴트

파이썬 머신러닝 완벽 가이드 저자

커리큘럼

전체

135개 ∙ (31시간 39분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

전체

117개

4.9

117개의 수강평

  • kbj804941680님의 프로필 이미지
    kbj804941680

    수강평 2

    평균 평점 5.0

    5

    17% 수강 후 작성

    I haven't seen everything, but here's a review of the course first.. [Advantages] 1. It organizes the prerequisite knowledge well at the beginning 2. The lecture name is CNN, but it is not limited to CNN, and it explains the basics of deep learning (SGD, Backprop, etc.) in detail, so it is easy to understand even if there are some difficult applications later 3. The image preprocessing is also detailed, so even those without basic vision skills can try it (I also recommend listening to Professor Kwon Cheol-min's vision lecture) 4. It is not just a simple CNN image classification, but also a detailed explanation of how CNN has developed recently 5. There are many pictures in the lecture materials for easy understanding [Disappointing points] 1. It is a TF-based lecture, but torch is also...ㅎㅎ [Overall] 5 points. Those who are new to deep learning in the image field should definitely listen to it, and those who are just new to deep learning should also listen to it because the basics of deep learning are explained in detail. CNN itself is honestly being used not only for images these days, but also for NLP and predictive modeling, so it is good to understand CNN deeply and utilize it.

    • dohoonkim님의 프로필 이미지
      dohoonkim

      수강평 1

      평균 평점 5.0

      5

      49% 수강 후 작성

      Hello, I am currently studying artificial intelligence as a major. I will not lie, but the lectures are conducted according to the university level curriculum.... The difficulty level is about 90% of the university level(?). It is not as deep as a master's degree, but this lecture definitely covers everything from beginner to intermediate level. And apart from the difficulty level, school classes end with just reading PPTs, but this lecture was so good because I could follow the code line by line. Sometimes, in some areas, he explained at a level that made me think, 'Huh?! They go into this much depth!?' I was surprised. (I was surprised because the points and explanations that the professor made were almost the same.) The regrettable thing is that the parts that are the pinnacle of modern machine learning, such as transformers and attention, are not covered yet. If this lecture comes out, I think Professor Kwon Chul-min will almost become the king of domestic machine learning private education. It is the most satisfying lecture among the lectures that I paid for at Inflearn.

      • yoonducklim0908님의 프로필 이미지
        yoonducklim0908

        수강평 7

        평균 평점 5.0

        5

        50% 수강 후 작성

        I thought I had a general understanding of deep learning while working on the project, but this lecture made me realize that I had been doing it by the rule of thumb. I keep listening to it whenever I have free time during the day. It is very helpful, and if an advanced course comes out later, I would like to take that lecture as well.

        • poptato1037님의 프로필 이미지
          poptato1037

          수강평 1

          평균 평점 5.0

          5

          75% 수강 후 작성

          I've watched about half of it now.. When will the advanced lecture come out? I feel dizzy, so please make it before I listen to it 100%. I want to listen to it quickly.

          • hdongle5478님의 프로필 이미지
            hdongle5478

            수강평 2

            평균 평점 5.0

            5

            96% 수강 후 작성

            CNN is a relatively new field if you have done a little bit of deep learning, so you may think you know it, but it is harder to respond flexibly than you think because you don't know the principles and use it. Whenever the company needs it, I search for github or quickly combine the functions I need at the time without knowing the principles. While doing it while doing other work, I kept putting off studying tensorflow2.4, keras, and kaggle, thinking that I would study them someday. However, I remember successfully applying object detection to robot movement in a project I took the last lecture, and being recognized as an expert(?) at the company, so I am taking the class to organize CNN again and look into it in depth. The class time is not short, but it is not bad because the source code is explained in detail, so I think it would be good to quickly look through it and mark it separately and listen to the parts I need in more detail later. --------------------------------------------------------- I am adding this to the review I left before. I did other work at the company, and then the computer vision department was created again, so I listened to it from the beginning again to review it. When I listened to it again, I realized that I had a wider range of understanding of the parts that I had rushed through before. This is not a lecture that you can listen to once and finish. I highly recommend it again.

            2025 블랙 프라이데이 할인 중 (4일 남음)

            ₩64

            24%

            ₩110,000

            권 철민님의 다른 강의

            지식공유자님의 다른 강의를 만나보세요!

            비슷한 강의

            같은 분야의 다른 강의를 만나보세요!