인프런 - 라이프타임 커리어 플랫폼

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

데이터의 세계로 첫발을 내딛고 싶으신가요? AI의 핵심 기술인 머신러닝과 딥러닝을 파이썬과 함께 배워보세요. 이 강의는 머신러닝과 딥러닝의 기초부터 실제 응용까지, 단계별로 친절하게 안내합니다. 전통적인 머신러닝과 딥러닝은 많은 부분에서 동일한 원리와 기술 체계에 기반하고 있습니다. 따라서 본 강의에서는 두 가지를 별도의 과목으로 분리하지 않고 하나의 연결된 과정으로 구성하여 입문자가 머신러닝 전반에 걸친 이해도를 높일 수 있도록 하였습니다.

딥러닝 현업에 종사하기 위해 필요한 딥러닝의 “핵심 개념”을 배우고 PyTorch을 활용한 실습을 통해서 실제 딥러닝 프로젝트를 수행하는데 필요한 실무를 가르쳐주는 강의입니다.

이 강의를 통해 커널 프로그래밍과 PyTorch 모듈 개발 방법을 배울 수 있습니다. 배운 지식을 활용하여 모델을 더 빠르게 개발할 수 있습니다.

6일 동안 하루 3시간씩 투자하면, 파이토치를 이용한 딥러닝 기초를 배울 수 있습니다. 자~ 시작해 볼까요?

인공신경망 알고리즘을 이용해서 딥러닝 모델 및 CNN 모델을 만드는 방법을 소개합니다.

엑셀로 딥러닝 기초를 구현하며 그 의미를 깊게 이해하기! 이미지 데이터를 어떻게 처리하는지 학습!

딥러닝 학습 원리를 이해 하고 케라스를 이용하여 모델, 레이어, 최적화 기술을 사용하여 신경망 구축 및 훈련의 복잡성을 단순화 하는 과정을 설명 합니다.

DNN, CNN, RNN? 어려워보이는 전문 용어도 본 강의를 통해 딥러닝의 핵심 알고리즘을 완벽히 정리하여 실제로 활용해보는 딥러닝 실습 과정!

피자와 스파게티 사진을 분류해보고 싶어! 딥러닝 알고리즘 종류 중 하나인 CNN을 활용하여 이미지를 분류해보는 실무 프로젝트를 A부터 Z까지 따라해보는 딥러닝 실전 프로젝트 과정입니다.

인공지능의 핵심 구조인 인공신경망은 인간의 뇌 구조에서 착안되었습니다. 이 강의는 AI의 사고방식과 뇌 구조의 연결고리를 통찰력 있게 풀어내며, AI를 ‘제대로’ 이해하고 실무에 적용하려는 모든 사람을 위한 뇌인지 기반의 AI 원리 탐색 과정입니다.

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

이 강좌에서는 딥러닝의 기초부터 시작하여 파이토치를 사용해 실제 숫자 분류기를 만들어 봅니다. 전혀 경험이 없어도 따라 할 수 있도록 설계되어 있습니다.

이 강의는 딥러닝을 활용한 이미지와 객체 인식의 원리를 기초부터 최신 모델까지 단계적으로 배우는 과정입니다. - 기초 다지기: 파이토치(Pytorch)로 텐서와 신경망 기본 구조 이해 - 이미지 이해하기: 컴퓨터 비전의 개념, 이미지 데이터 구조, 증강(Augmentation) 기법 학습 - CNN 모델 학습: 합성곱 신경망(CNN)으로 이미지 분류 실습 (CIFAR-10 등) - 전이 학습(Transfer Learning): 기존 학습된 모델을 활용해 적은 데이터로 빠르게 학습 - 객체 탐지(Object Detection): R-CNN, YOLO, SSD, DETR 등 최신 객체 탐지 모델 이해 및 실습 - 세그멘테이션(Segmentation): U-Net, Mask R-CNN을 통한 픽셀 단위 객체 분할 경험