강의

멘토링

로드맵

BEST
AI 개발

/

컴퓨터 비전

차량 번호판 인식 프로젝트와 TensorFlow로 배우는 딥러닝 영상인식 올인원

차량 번호판 인식 실전 프로젝트를 통해 딥러닝/TensorFlow/컴퓨터비전 기초부터 실무 응용까지 전 과정을 한번에 학습할 수 있는 올인원 형태의 강의입니다. 다양한 실습을 통해 Custom Dataset에 최신 딥러닝 모델을 응용할 수 있는 실무 능력을 기를 수 있습니다.

(4.8) 수강평 72개

수강생 667명

  • AISchool

먼저 경험한 수강생들의 후기

이런 걸 배울 수 있어요

  • MNIST,CIFAR-10 등의 기초 예제가 아닌 딥러닝 실무 프로젝트를 진행하는 법

  • Custom Dataset에 최신 딥러닝 모델을 적용하는 법

  • 딥러닝/머신러닝 기초 개념부터 실무 응용까지 단계별 학습

  • 최신논문에서 제안된 딥러닝 모델 구조에 대한 깊은 이해(EfficientNet, CenterNet, EAST, ...)

  • Object Detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 문제영역에 사용되는 최신 딥러닝 모델들의 원리와 사용법

  • 딥러닝 모델의 성능을 향상시키는 법

다양한 실전 프로젝트 최신논문 학습을 통해
딥러닝/컴퓨터비전 전문가로 거듭나보세요. 😀

수강 전 확인해주세요!

해당 커리큘럼 목록

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 1

  • Object Detection 문제영역 소개
  • Object Detection Metric - IoU, mAP
  • Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 3

  • TensorFlow Object Detection API 소개

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 4

  • R-CNN(Regions with CNN)
  • Fast R-CNN
  • Faster R-CNN
  • Non-Maximum Suppression (NMS)
  • SSD(Single Shot MultiBox Detector)
  • RetinaNet
  • CenterNet

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 5

  • Pre-Trained Model을 이용한 Object Detection

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 1

  • 인공지능, 머신러닝, 딥러닝 & 지도 학습, 비지도 학습, 강화 학습
  • 딥러닝, 텐서플로 응용 분야
  • 간략히 살펴보는 딥러닝의 역사

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 3

  • 머신러닝의 기본 프로세스 - 가설 정의, 손실함수 정의, 최적화 정의
  • TensorFlow 2.0을 이용한 선형 회귀(Linear Regression) 알고리즘 구현
  • Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
  • Training Data, Validation Data, Test Data & 오버피팅(Overfitting)
  • 소프트맥스 회귀(Softmax Regression) & 크로스 엔트로피(Cross-Entropy Loss Function) & One-hot Encoding & MNIST
  • TensorFlow 2.0 케라스 서브클래싱(Keras Subclassing)
  • TensorFlow 2.0과 Softmax Regression을 이용한 MNIST 숫자분류기 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 4

  • 다층 퍼셉트론 MLP
  • TensorFlow 2.0과 ANN을 이용한 MNIST 숫자분류기 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 5

  • 오토인코더(AutoEncoder)의 개념
  • TensorFlow 2.0과 오토인코더를 이용한 MNIST 데이터 재구축

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 6

  • 컴퓨터 비전 문제의 어려움과 CNN 기반 컴퓨터비전 시대의 도래
  • 컨볼루션 신경망의 핵심개념 - 컨볼루션(Convolution), 풀링(Pooling)
  • TensorFlow 2.0을 이용한 MNIST 숫자분류를 위한 CNN 구현
  • 드롭아웃(Dropout)
  • TensorFlow 2.0을 이용한 CIFAR-10 이미지 분류를 위한 CNN 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 7

  • 순환신경망(RNN)
  • 경사도 사라짐 문제(Vanishing Gradient Problem) & LSTM & GRU
  • 임베딩(Embedding)의 개념 & Char-RNN
  • TensorFlow 2.0을 이용한 Char-RNN 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 8

  • tf.train.CheckpointManager API를 이용해서 파라미터 저장하고 불러오기
  • 텐서보드(TensorBoard)를 이용해서 학습과정 시각화(Visualization)하기

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 9

  • 다양한 컴퓨터비전 문제영역 소개
  • 다양한 자연어처리(NLP) 문제영역 소개

Naver(CRAFT)와 Kakao(EAST)에서 실제 사용하고 있는 최신 딥러닝 모델 사용법을 익혀보세요.

딥러닝 컴퓨터비전(Computer Vision) 전문가가 되기 위한 All-in-One 강의!

  • 딥러닝 컴퓨터비전 전문가가 되기 위해 학습해야 하는 모든 요소를 하나의 강의에 종합했습니다.
  • 최신 딥러닝 모델 이해를 위한 필수 이론 지식 : 머신러닝 및 딥러닝의 기초(ANN, CNN)부터 시작해 최신 딥러닝 모델의 원리(EfficientNet, CenterNet)까지 단계별로 필요한 필수 이론 및 지식을 학습합니다.
  • Python/TensorFlow 2.0을 이용한 코드 구현 능력 : 파이썬 및 텐서플로 2.0을 이용해 실제 프로젝트 진행을 위한 구현 능력을 단계별로 학습합니다.
  • Custom Dataset 적용을 위한 다양한 실전 프로젝트 : MNIST 같은 기초 예제가 아닌, 다양한 Custom Dataset에 최신 딥러닝 모델을 적용하기 위한 다양한 실전 프로젝트를 진행해 봅니다.

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 딥러닝/컴퓨터비전을 진지하게 공부하고 싶은 모든 분

  • 딥러닝/컴퓨터비전을 이용한 실무 프로젝트를 진행하고 싶은 분

선수 지식,
필요할까요?

  • 기초적인 Python 지식

안녕하세요
입니다.

9,096

수강생

671

수강평

351

답변

4.6

강의 평점

29

강의

커리큘럼

전체

126개 ∙ (20시간 51분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

전체

72개

4.8

72개의 수강평

  • whdghk8152040님의 프로필 이미지
    whdghk8152040

    수강평 6

    평균 평점 5.0

    5

    30% 수강 후 작성

    Unlike other lectures, I liked that it didn't stop at basic concepts and toy projects, but covered the level of use in the industry.

    • aischool
      지식공유자

      Hello. Thank you for taking the time to take the class~!. Thank you for the detailed course review~. I will try my best to create a more satisfactory course. Have a nice day!

  • junpyokim4448님의 프로필 이미지
    junpyokim4448

    수강평 5

    평균 평점 5.0

    5

    73% 수강 후 작성

    I took this course because the introduction to deep learning with TensorFlow 2.0 course was very thorough and suited me well. I'm only listening to the first half, but the explanations are good and I can leave projects, so I think it will be very helpful for my future studies and job preparation.

    • aischool
      지식공유자

      Hello. Thank you for taking the time to take the class~!. I will try my best to create more satisfactory lectures. Have a nice day!

  • seojk1234560728님의 프로필 이미지
    seojk1234560728

    수강평 1

    평균 평점 5.0

    5

    25% 수강 후 작성

    This was a lecture that really helped me a lot while I was working on the project. It was very helpful because it taught me the basics and explained how the code was done.

    • aischool
      지식공유자

      Hello. Thank you for taking the time to take the class~!. I will try my best to create more satisfactory lectures. Have a nice day!

  • dkoh0716님의 프로필 이미지
    dkoh0716

    수강평 1

    평균 평점 5.0

    5

    100% 수강 후 작성

    Thank you for the informative and good lecture.

    • aischool
      지식공유자

      Hello. Thank you for taking the time to take the class~!. I will try my best to create more satisfactory lectures. Have a nice day!

  • slhyj954421님의 프로필 이미지
    slhyj954421

    수강평 1

    평균 평점 5.0

    5

    67% 수강 후 작성

    I am planning to major in Machine Learning in graduate school, and this has been very helpful in understanding my weaknesses and practicing.

    • aischool
      지식공유자

      Hello. Thank you for taking the time to take the class~!. I will try my best to create more satisfactory lectures. Have a nice day!

₩141,900

AISchool님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!