Thumbnail
인공지능 딥러닝 · 머신러닝

[Pytorch] 파이토치를 활용한 딥러닝 모델 구축 대시보드

(5)
3개의 수강평 ∙  74명의 수강생
88,000원

월 17,600원

5개월 할부 시
지식공유자: YoungJea Oh
총 54개 수업 (16시간 28분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[딥러닝 · 머신러닝] 강의입니다.

직관적이고 파이써닉한 파이토치(Pytorch)를 통해 딥러닝 모델을 직접 구축하는 방법을 학습해 봅니다.

✍️
이런 걸
배워요!
Deep Learning의 작동 원리
파이토치(Pytorch)를 활용한 딥러닝 모델 구축
pandas, numpy, matplotlib 기초

딥러닝, 대세는 파이토치! 
실습 위주로 알차게 학습해 보세요.

딥러닝 입문부터 구축까지, 
강력하고 직관적인 파이토치!

인공지능은 수학이 필수라는데, 나는 수포자고... 관심은 있는데 어떻게 시작할 수 있을까?

중간 관리자가 돼서 인공지능을 좀 알아야 할 것 같은데, 따로 파이썬 공부할 시간은 없고...

세계적인 인기를 얻고 있는 파이썬 딥러닝 프레임워크, 파이토치(Pytorch)를 아시나요? 한국에서는 아직 대부분의 딥러닝 강의에 텐서플로(Tensorflow)가 사용되고 있지만, 세계적으로는 파이토치의 활용도가 점점 높아지는 추세입니다. 해외에서는 이미 텐서플로와 파이토치가 동일한 비중으로 다루어지고 있으며, 온라인에 공개된 소스 코드의 절반 역시 파이토치로 작성되고 있습니다.

특히 직관적이고 파이써닉(Pythonic)한 표현 방법은 편리성 면에서 많은 연구자 및 개발자들의 전폭적인 지지를 받고 있으며, OpenAI 등 유수한 인공지능 기업들 또한 파이토치 진영으로 옮겨 가고 있습니다. 아울러 학습자 입장에서도 딥러닝 모델의 작동 원리를 이해하거나, 디버깅 등 문제를 해결하는 데 있어 파이토치에서 훨씬 많은 장점을 경험할 수 있습니다.

이제, 파이토치는 피할 수 없는 대세입니다!

텐서플로(Tensorflow)나 케라스(Keras)만 알고 있는데 파이토치를 배우고 싶으신가요? 온라인에 참조할 만한 좋은 소스 코드가 파이토치로 작성되어 있어 그림의 떡처럼 느껴지셨나요? 앞으로는 파이토치가 선택이 아닌 필수로 인식되는 시점이 올 것입니다. 

이번 강의에서는 파이토치를 이용해 딥러닝의 원리를 이해하고, 실제로 활용할 수 있는 모델을 작성해 봅니다. 수학적 지식이 없어도, 텐서플로나 케라스만 경험해 본 분이라도 누구나 파이토치를 어떻게 사용하고 어떤 강점을 누릴 수 있는지 자연스럽게 이해할 수 있도록 강의를 구성하였습니다. 함께 도전해보실까요?


이런 분들께 
추천합니다.

딥러닝을 처음으로 
시작하시는 분 

인공지능은 그림의 떡? 
 수학 포기자 

텐서플로/케라스만 
사용해보신 분 

📖 파이썬(Python) 기초가 부족하다면?


구현 능력을 쑥쑥! 
실습 중심의 커리큘럼.

✅ 이론 설명은 최소화하고 실제로 딥러닝 모델을 구현하는 실습 위주의 수업으로 구성하였습니다. 
✅ 파이토치가 제공하는 라이브러리의 기능을 이해하며 활용할 수 있습니다. 
✅ 딥러닝 인공지능 모델 성능을 평가하고, 결과물을 시각화할 수 있게 됩니다. 
✅ 덤으로, 파이썬 언어 활용 수준도 깊어집니다. 

Pytorch 기초

Deep Learning 동작 원리

Deep Learning 모델 구현

파이토치 기초, 신경망 네트워크와 딥러닝, 이진/다중 분류 모델, CNN(합성곱 신경망), 전이 학습, 딥러닝 시퀀스 모델에 이르는 딥러닝 관련 원리와 실제를 차근차근 따라 배울 수 있도록 강의를 구성하였습니다.


Q&A를 확인해보세요! 💬

Q. 수포자인데 수학을 전혀 몰라도 되나요?

저도 수포자였습니다. 수학을 몰라도 되는 강의입니다. 필요한 수학 지식은 수업 중간중간 설명해 드립니다.

Q. 문과생입니다. 이해하기 어렵지 않을까요?

오늘날 문과생이 살아남기 위해 꼭 필요한 지식이 바로 인공지능입니다. 지금 도전하세요!

다른 강의 함께 보기 📺

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
딥러닝을 처음 접하는 사람
Tensorflow와 Keras를 사용해 본 사람
파이썬 언어를 사전 학습한 사람

안녕하세요
YoungJea Oh 입니다.
YoungJea Oh의 썸네일

오랜 개발 경험을 가지고 있는 Senior Developer 입니다. 현대건설 전산실, 삼성 SDS, 전자상거래업체 엑스메트릭스, 씨티은행 전산부를 거치며 30 년 이상 IT 분야에서 쌓아온 지식과 경험을 나누고 싶습니다. 현재는 인공지능과 파이썬 관련 강의를 하고 있습니다.

홈페이지 주소:

https://ironmanciti.github.io/

커리큘럼 총 54 개 ˙ 16시간 28분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 교육 환경 준비
선수 과목 안내 미리보기 강의 소개 미리보기 01:58
강의 자료 (강의 교재, 소스 코드)
Anaconda 설치 미리보기 02:31
Pytorch 설치 02:34
Jupyter Notebook 과 Google Colab 사용 방법 (Optional) 15:57
섹션 1. Pytorch 기초
Pytorch Tensor 소개 미리보기 13:07
Pytorch 자동 미분과 GPU 사용 11:39
실습 - Pytorch Basic - part1 40:41
실습 - Pytorch Basic - part2 47:04
사용자 정의 데이터셋 09:53
실습 - 사용자 정의 데이터셋 51:41
섹션 2. Neural Network 과 Deep Learning
Neural Network 작동 원리 - 1 미리보기 11:14 Neural Network 작동 원리 - 2 미리보기 07:03
실습 - tensorflow playground 06:45
Neural Network 작동 원리 - 3 15:28
Neural Network을 이용한 선형 회귀 (Linear Regression) - 1 07:43
Neural Network을 이용한 선형 회귀 (Linear Regression) - 2 11:14
실습 - Basic Linear Regression 58:30
Neural Network 훈련 원리 - 경사하강법-1 11:05
Neural Network 훈련 원리 - 경사하강법-2 17:09
Neural Network 훈련 원리 - 경사하강법-3 09:54
Neural Network 훈련 원리 - 오차역전파(Backpropagation) 13:00
Neural Network 훈련 원리 - 기타 14:16
Neural Network 훈련원리 - Hyper-Parameters 09:07
실습 - Hyper-Parameter Tuning 31:28
실습 - Boston 주택 가격 Regression 38:15
섹션 3. 이진, 다중 분류 모델
이진 분류 (Logistic Regression) 모델 - 이론 미리보기 13:23 실습 - 이진 분류 (Logistic Regression) 모델 생성 미리보기 10:35
실습 - 이진 분류 (Logistic Regression) - Malware Detection 28:39
다중 분류 (Multi-class Classification) 모델 - 이론 14:22
실습 - 다중 분류 (Multi-class Classification) 모델의 손실 함수 24:19
실습 - 다중 분류 (Multi-class Classification) - MNIST 손글씨 인식-1 44:45
실습 - 다중 분류 (Multi-class Classification) - MNIST 손글씨 인식-2 33:28
Vanishing Gradient 방지 기법과 ResNet 15:40
Overfitting 방지 기법 - dropout 07:03
섹션 4. CNN(Convolutional Neural Network, 합성곱 신경망)
CNN 소개 10:28
Convolutional Layer - 합성곱 이해 13:01
Convolutional Layer - kernel 09:19
Pooling Layer 09:18
LeNet-5 구조 07:05
실습 - CNN Basic Operations 34:04
실습 - CNN model (LeNet-5) Mnist Dataset 분류 31:07
Color Image 분류 - Image Augmentation and Deeper CNN 13:03
실습 - Cifar10 Image 분류 - 1 34:14
실습 - Cifar10 Image 분류 - 2 27:53
섹션 5. 전이 학습 (Transfer Learning)
전이 학습의 원리 09:35
전이학습 실습 내용 설명 09:12
실습 - 컴퓨터 비전을 위한 전이 학습 32:44
섹션 6. Deep Learning Sequence Model
Sequence Model 작동 원리 - 1 17:31
Sequence Model 작동 원리 - 2 06:08
자연어 처리의 RNN 적용 12:47
IMDB 감성 분석 실습 문제 설명 05:50
실습 - IMBD 감성 분석 53:59
강의 게시일 : 2022년 09월 22일 (마지막 업데이트일 : 2024년 04월 19일)
수강평 총 3개
수강생분들이 직접 작성하신 수강평입니다.
5
3개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
YoungJea Oh thumbnail
5
매우 좋아요!
2022-07-26
juwonno thumbnail
5
sdfsdff
2023-12-21
설현원 thumbnail
5
덕분에 딥러닝에 대한 지식이 많이 늘었습니다. 감사합니다
2024-04-19