TensorFlow 2.0으로 배우는 딥러닝 입문
TensorFlow 2.0으로 배우는 딥러닝 입문
수강정보 38명의 수강생
33,000원
지식공유자 : AISchool
19회 수업 · 총 4시간 20분 수업
기간 : 평생 무제한 시청
수료증 : 발급 강의
수강 난이도 : 초급
지식공유자의 다른 강의 연관 로드맵
아직 다른 강의가 없어요
연관 로드맵이 없어요

이 강의는

딥러닝 핵심이론과 최신 TensorFlow 2.0을 이용한 딥러닝 코드 구현을 한번에 배울 수 있는 강의입니다.

딥러닝, 어떻게 시작하면 좋을까요? 
한번에 잡는 최신 텐서플로 2.0 + 딥러닝 기초!

텐서플로로 배우는 딥러닝 학습의 정석, ‘‘텐서플로로 배우는 딥러닝”최신 TensorFlow 2.0을 이용한 강의로 만나보세요.

4차산업혁명 시대의 경쟁력, 인공지능 기술!
TensorFlow딥러닝으로 시작하세요. 🏃‍♂️

알파고, 자율주행차, 인공지능 스피커, ... 인공지능은 먼 미래의 일이 아니라 우리는 이미 일상 속에서 매일같이 인공지능 기술을 경험하고 있습니다. 이런 인공지능 기술의 배경에는 TensorFlow와 딥러닝이 있습니다. 

전세계 모든 사람이 인공지능 기술이 미래를 바꾸어나갈 기술로, 이는 가히 4차 산업혁명에 버금가는 혁명이자 새로운 기회로 생각하고 있습니다. 기회는 준비된 자에게 온다고들 합니다. 하루라도 빨리 인공지능 기술을 습득해 미래에 다가올 기회를 놓치지 말고 포착하세요.


딥러닝 핵심개념 + 최신 TensorFlow 2.0
한번에 모두 담은 딥러닝의 정석!

딥러닝 기법을 잘 사용하기 위해서는 크게 4가지 능력이 필요합니다.

  1. 딥러닝 기법의 이론적 배경이 되는 선형 대수, 확률 통계, 최적화 이론에 대한 수학적 이해
  2. 기초적인 딥러닝 모델들(ANN, CNN, RNN, LSTM)에 대한 정확한 이해
  3. 기초적인 딥러닝 모델들을 풀고자 하는 문제에 적용할 수 있는 응용 능력
  4. 파이썬과 딥러닝 라이브러리(TensorFlow)를 자유자재로 활용할 수 있는 프로그래밍 능력

[TensorFlow 2.0으로 배우는 딥러닝 입문]은 위 네 가지 능력을 한번에 학습하실 수 있도록 알차게 강의를 구성하였습니다.


실습 코드 👨‍💻

강의에서 리뷰하는 실습 코드는 아래 GitHub 저장소에서 다운받으실 수 있습니다.

이런 걸 배워요

  • 최신 TensorFlow 2.0을 이용한 딥러닝 알고리즘 구현방법
  • 인공지능, 머신러닝, 딥러닝 핵심이론
  • ANN, CNN, RNN, LSTM 등 딥러닝 기본 구조에 대한 원리와 구현법

도움 되는 분들

  • 딥러닝의 정석을 학습하고 싶은 분
  • 딥러닝 핵심이론과 TensorFlow 2.0을 이용한 코드 구현을 모두 학습하고 싶은 분
  • TensorFlow와 딥러닝에 관심은 있지만 막연한 두려움에 막상 학습을 시작하지 못한 개발자
  • 딥러닝을 제대로 공부하고 싶은 학생
  • 딥러닝/인공지능 분야로 커리어를 쌓고 싶은 분

선수 지식

  • 기초적인 Python 사용경험

공개 일자

2020년 10월 12일 (마지막 업데이트 일자 : 2020년 10월 12일)

지식공유자 소개

아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️

교육과정

모두 펼치기 19 강의 4시간 20분
섹션 0. 인공지능, 머신러닝, 딥러닝 소개
2 강의 35 : 06
섹션 1. TensorFlow 2.0 소개
2 강의 19 : 50
TensorFlow 2.0 소개
12 : 57
텐서플로 설치 & 강의에서 사용하는 소스코드 다운로드
06 : 53
섹션 2. 머신러닝 기초 이론들
6 강의 79 : 47
머신러닝의 기본 프로세스 - 가설 정의, 손실함수 정의, 최적화 정의
19 : 48
TensorFlow 2.0을 이용한 선형 회귀(Linear Regression) 알고리즘 구현
14 : 21
Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
05 : 57
Training Data, Validation Data, Test Data & 오버피팅(Overfitting)
06 : 31
소프트맥스 회귀(Softmax Regression) & 크로스 엔트로피(Cross-Entropy Loss Function) & One-hot Encoding & MNIST
07 : 38
TensorFlow 2.0 케라스 서브클래싱(Keras Subclassing) & Softmax Regression 구현
25 : 32
섹션 3. 인공신경망(ANN)
2 강의 30 : 34
다층 퍼셉트론 MLP
14 : 58
TensorFlow 2.0과 ANN을 이용한 MNIST 숫자분류기 구현
15 : 36
섹션 4. 컨볼루션 신경망(CNN)
2 강의 29 : 41
컨볼루션 신경망의 핵심개념 - 컨볼루션(Convolution), 풀링(Pooling)
17 : 03
TensorFlow 2.0을 이용한 MNIST 숫자분류를 위한 CNN 구현
12 : 38
섹션 5. 순환신경망(RNN)
4 강의 52 : 10
순환신경망(RNN)
05 : 23
경사도 사라짐 문제(Vanishing Gradient Problem) & LSTM & GRU
12 : 23
임베딩(Embedding)의 개념 & Char-RNN
10 : 39
TensorFlow 2.0을 이용한 Char-RNN 구현
23 : 45
섹션 6. tf.train.CheckpointManager API를 이용해서 파라미터 저장하고 불러오기
1 강의 13 : 38
tf.train.CheckpointManager API를 이용해서 파라미터 저장하고 불러오기
13 : 38
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의들을
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스