73,700원
월 14,740원
5개월 할부 시
초급자를 위해 준비한
[데이터 분석] 강의입니다.
인공지능 분야에서 활용도가 매우 높은 딥러닝 프레임워크인 Pytorch를 이용하여 다양한 인공 신경망을 구현하는 강의입니다.
✍️
이런 걸
배워요!
이런 걸
배워요!
파이썬
파이토치
성능 향상을 위한 모델 튜닝 및 전이 학습 방법
논문 구현
왜 딥러닝 호형인가?📝
현재 딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.
수학/데이터 분석 전공 지식, 다수의 딥러닝/머신러닝 프로젝트 경험과 리서치 엔지니어 경력을 바탕으로 반드시 공부하셔야 할 내용을 짚어 드립니다.
강의 소개💡
"본 강의는 구현편입니다."
인공 신경망은 제조, 자율 주행차, 의료, 생명공학, 로보틱스 등 광범위한 분야에서 이미 적용되고 있는 강력한 인공지능 기술이라고 할 수 있습니다. 실제로 논문 투고 수는 매년 증가하고 있으면 전세계적으로 많은 대학들이 관련학과를 개설하고 업계에서는 많은 투자를 하고 있는 추세입니다. 우리나라도 마찬가지로 대학들이 잇달아 인공지능 관련 학과를 개설하고 있습니다. 이런 흐름에 맞춰 딥러닝 공부를 제대로 하고 싶은 분들을 위해 강의를 만들었습니다.
딥러닝은 개념 이해와 구현 능력이 모두 중요한 과목이기 때문에 많은 분들이 어려워 하십니다. 따라서 이 강의를 통해 보다 쉽게 설명하고 중요한 부분을 짚어 드리려고 합니다. 해당 커리큘럼은 강의자의 전공지식과 연구 경험을 바탕으로 내용을 구성하였고 내용은 크게 두 파트로 나눠져 있습니다.
첫 번째는 개념편을 통해 딥러닝에 대한 필수 지식을 알려 드리는 것입니다. 딥러닝 연구들은 기존의 내용들에서 확장 혹은 개선되는 부분들이 많습니다. 따라서 최신 연구들을 이해 하려면 기본 내용과 관련 지식을 습득하는 것이 중요합니다. 두 번째는 Pytorch를 이용해 모델을 구현을 할 수 있는 능력을 키워 드립니다. 이 강의에서는 프로그래밍 파트는 별도의 설치 없이 CNN, LSTM, GAN, CAM 등 다양한 인공 신경망을 구축할 수 있습니다.
여러분들의 소중한 시간을 고려하여 컴팩트하게 강의를 구성했습니다! 이제 시작해 볼까요?
이 강의에서 배우는 것들 ✏️
아직도 다른 사람의 코드를 그냥 사용 하시나요? 또는 개념 이해 없이 코드를 구현 하시나요? 정확한 이해가 있어야만 응용이 가능하며 기존의 문제점을 잘 파악할 수 있습니다. (딥러닝을 아직 배워보지 못하신 분은 "실전 인공지능으로 이어지는 딥러닝 개념 잡기" 강의를 보시면 도움이 됩니다.) 이 강의에서는 인공 신경망에서 쓰이는 개념들이 어떻게 작동이 되는지를 설명해 드리고 실습(집 값 예측, 이미지 분류, 주가 예측, 패션 아이템 생성 등)을 통해 함께 알아 봅니다. (강의에서 다룬 실습 코드는 모두 제공 됩니다. + 탑 학회/저널 논문 6편 직접 구현)
또한 기본 내용을 넘어서 실제 연구에서 반드시 알아야 할 전이 학습과 튜닝 방법에 대한 내용도 담고 있습니다.
왜 파이토치 인가? 💎
파이토치는 현재 가장 많이 활용되는 딥러닝 프레임워크입니다. 이미 많은 지표들이 파이토치의 엄청난 인기와 활용도를 보여주고 있습니다.
예상 질문 Q&A 🙋🏻♂️
* 전체 커리큘럼은 이론편과 구현편으로 나눠져 있으며 본 강의는 구현편입니다.
Q. 비전공자도 들을 수 있나요?
A. 전공과 무관하게 수강하실 수 있으며 구현편은 딥러닝 이론편("실전 인공지능으로 이어지는 딥러닝 개념 잡기")을 수강 후 들으실 것을 권장합니다. 딥러닝 기본 개념이 있으시면 바로 들으시면 됩니다. 프로그래밍 경험은 없으셔도 되는 입문 강의입니다.
Q. 딥러닝을 배우면 무엇이 좋은가요?
A. 딥러닝은 머신러닝 기술 중 가장 많이 활용되고 있는 기술으로써 인공지능 분야에 입문하시는 분이라면 필수로 배워야 할 과목입니다. 또한 딥러닝 기술이 적용 된 제품들이 이미 우리 주변에 많이 있는 만큼 관련 지식을 잘 습득 하신다면 인공지능 관련 취업이나 업무에 매우 도움이 될 것입니다.
Q. 구현편에서는 어떤 프로그램을 사용하나요?
A. 모든 실습은 별도의 설치가 필요 없는 구글 코랩(Colaboratory)에서 진행 됩니다. 구글 계정(무료)이 필요하며 코랩 사용이 안 되실 경우 실습에 차질이 생길 수 있습니다.
Q. 이 강의만의 특별한 장점이 있을까요?
A. 입문 강의임에도 논문 구현과 전이 학습, 모델 튜닝 등의 실제 연구를 통해서만 깨우칠 수 있는 이야기들을 전해 드리며 파이썬부터 파이토치까지 기본기를 배우실 수 있습니다.
Q. "딥러닝을 위한 파이토치 입문" 책을 구매해야 하나요?
A. 해당 도서를 구매하지 않으셔도 수업이 가능합니다. 다만 책 내용이 강의 제작 이후에 보강되어 출간 되었기 때문에 책을 통해 더 많은 내용을 접하실 수 있습니다. 아래 링크를 통해 책의 목차를 확인하실 수 있습니다. 또한 인프런에 강의가 없더라도 책의 내용에 대한 질문에 대해서는 답변을 드리고 있습니다.
2022 세종도서 학술 부문에 선정되었습니다! (총 257권 중 우수도서 43권 채택)
교보문고: https://bit.ly/3351kvV
예스24: https://bit.ly/3n2gXeG
이론편 강의 보러가기!! 👇
▲ 실전 인공지능으로 이어지는 딥러닝 개념 잡기 (클릭)
이런 분들께 추천드려요!
🎓
학습 대상은
누구일까요?
학습 대상은
누구일까요?
인공지능 관련 대학교/대학원에 관심 있으신 분
딥러닝 프로그래밍 입문하시는 분
딥러닝 기초 내용을 알고 계신 분
📚
선수 지식,
필요할까요?
선수 지식,
필요할까요?
실전 인공지능으로 이어지는 딥러닝 개념 잡기
딥러닝 기초 지식
안녕하세요
딥러닝호형 입니다.
딥러닝호형 입니다.
안녕하세요.
딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.
수학/데이터 분석을 전공하고 다수의 딥러닝 프로젝트를 완료하고 수행하고 있습니다.
머신러닝, 고급 머신러닝, 딥러닝, 최적화 이론, 강화 학습 등의 인공지능 내용과 선형 대수학, 미적분, 확률과 통계, 해석학, 수치해석 등의 수학 내용까지 여러분들과 공유할 수 있는 지식을 가지고 있습니다.
모두 만나서 반갑습니다!
* 관련 이력
현) SCI(E) 논문, 국제 학회 발표 다수
현) 인공지능 관련 대학교 자문 다수
전) K기업 전임 연구원 - 데이터 분석 및 시뮬레이션: 신제품 개발, 성능 향상, 신기술 적용
"딥러닝을 위한 파이토치 입문" 저서 (세종도서 학술부문 2022 우수도서로 선정)
커리큘럼
총 40 개
˙ 4시간 59분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 파이토치와 구글 코랩
2 강
∙ 3분
딥러닝 구현편 입문
미리보기
03:52
실습 코드 사용 방법
섹션 1. 파이썬 입문
7 강
∙ 1시간 2분
타입과 라이브러리(Type and Library)
미리보기
16:31
조건문과 반복문(Conditional statement and Loop)
08:33
함수(Function)
12:20
모듈(Module)
06:19
클래스(Class)
08:00
그래프 그리기(Matplotlib)
07:41
폴더 자동으로 만들기(Makedirs)
02:40
섹션 2. 파이토치 입문
4 강
∙ 39분
텐서(Tensor)
미리보기
08:23
역전파(Backpropagation)
07:58
데이터 불러오기(Data Loader)
16:34
데이터 불러오기 - 심화(Data Loader - customization)
06:06
섹션 3. 지도 학습
9 강
∙ 1시간 1분
집 값 예측하기 - 다층 신경망(MLP)
19:10
학습 정보 저장하기
04:32
최적화 방법과 스케줄링(Optimizers and scheduling)
04:26
교차 검증(Cross-Validation)
07:40
이미지 분류 - 합성곱 신경망(CNN)
08:56
이미지 분류 - 합성곱 신경망(CNN)의 다른 표현
02:30
주가 예측 - 순환신경망(RNN)
08:00
주가 예측 - LSTM과 GRU
02:27
순환신경망을 이용한 이미지 처리 - Bidirectional LSTM
03:55
섹션 4. 전이 학습
2 강
∙ 10분
쉽게 성능 향상 시키기 - 학습 된 모델(Pretrained Model)
05:20
업데이트를 할까? 말까? - 모델 동결(Model Freezing)
05:10
섹션 5. 비지도 학습
3 강
∙ 29분
숫자 생성 - 오토인코더(Autoencoder)
08:01
패션 아이템 생성 - 생성적 적대 신경망(GAN)
09:35
라벨 없이 예측하기 - 깊은 K 평균 알고리즘(Deep K-means) [TOP 논문 구현]
11:32
섹션 6. 시각화
2 강
∙ 12분
인공지능은 어디를 보고 있을까? - 설명 가능한 AI(Explainable AI) [CVPR 논문 구현]
06:43
인공지능은 특징을 잘 추려내고 있을까? - t-SNE(t-Stochastic Neighbor Embedding)
06:05
섹션 7. 성능 향상
4 강
∙ 25분
데이터 불균형(Data Imbalance)
04:50
과적합(Overfitting) - Label Smoothing [CVPR 논문 구현]
07:24
과적합(Overfitting) - CutOut [CVPR 논문 구현]
07:54
조기종료(Early stopping)
05:19
섹션 8. [Advanced] ResNet 직접 구현하기 (CVPR 논문)
4 강
∙ 24분
main.py
05:59
datasets.py, models.py
09:20
training.py, tsne.py
03:10
고수처럼 터미널에서 실행하기, 결과 분석
06:00
섹션 9. [Advanced] RepVGG 직접 구현하기 (CVPR 논문)
3 강
∙ 30분
구조적 재매개변수화(Structural Reparameterization)
13:37
main.py, datasets.py, train_test.py
03:36
repvgg.py, reparam.py
13:28
강의 게시일 : 2021년 01월 05일
(마지막 업데이트일 : 2023년 12월 30일)
수강평
총 61개
수강생분들이 직접 작성하신 수강평입니다.
4.5
61개의 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
계속 보면서 따라하고 있어요
어려워요
2024-03-05
두루뭉실하게 있던 지식을 정리해주는 강의
2021-02-18
모든 강의를 다 수강했네요.
단지 관심 만으로 딥러닝을 공부했습니다.
생각보다 알아야할 내용이 많고 전문용어가 많아 용어해석?에 익숙하지 않았지만,호형님이 질문에 답도 잘 해주셔서 많은 도움되고 있습니다.
Cnn부터 다시 여러번 반복하여 다시 학습해야겠습니다. 감사합니다
2021-04-29
감사합니당
2021-01-18
정말 좋네요
2021-01-15
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!
