딥러닝 전문가 과정(L4DL 프로젝트 1학기)
L4DL에 입학하신 여러분 환영합니다!
L4DL 프로젝트는 딥러닝을 겉핥기 식으로 배우는게 아닌, 전문가가 되기 위해 필요한 지식과 기술들을 모두 다루는 딥러닝 전문가 과정입니다.
본 로드맵은 L4DL의 1학기 과정에 대한 로드맵이며, L4DL 1학기에는 딥러닝을 공부하는데 반드시 필요한 다음의 내용들을 다룹니다.
- 파이썬 구현능력
- 딥러닝을 위한 기초수학
- 뉴럴 네트워크의 개념
- Backpropagation
딥러닝의 세계에서 날라다니기 위해 1학기를 알차게 보내길 바랍니다!
수많은 연산을 손으로 직접 할 건가요?
프로그래밍은 다양한 목적을 가지고 있습니다. 컴퓨터를 조작하기 위한 프로그래밍, 서비스를 제공하기 위한 프로그래밍 등이 있지만, 딥러닝에서는 사람의 손으로 직접 하기엔 현실적으로 불가능한 연산을 컴퓨터에게 맡기기 위해 프로그래밍을 합니다.
이런 특징에 다라 딥러닝을 배우기 위해선 데이터를 다루기 위한 기술들이 필요하며, 프로그래밍 하는 방법을 '아는 것' 보단 '구현 능력'을 갖추는 것이 상당히 중요합니다. 따라서 1학기 과정 중에서 다루는 프로그래밍 강의들은 단순히 파이썬의 문법을 배우는 것보단, 반복연습을 통해 구현 능력을 배양하는데 초점이 맞춰져 있습니다. 또한 기초 문법을 다룰 때부터 딥러닝과 관련된 연습문제를 통해, 데이터를 다루는 힘을 기릅니다.
해당 강의(강의 제목, 강의 코드)
- 딥러닝을 위한 파이썬 레벨1[DL1101]
- 딥러닝을 위한 파이썬 레벨2[DL1102]
- 넘파이 마스터 클래스[DL1121]
- 데이터 시각화를 위한 파이썬[DL1111]
그래서 뉴럴 네트워크가 뭔데?
딥러닝에서 우리가 다루는 뉴럴 네트워크는 하늘에서 떨어진 것이 아닙니다. 단순한 연산들이 모여 복잡한 네트워크를 만들고, 뉴럴 네트워크의 학습 변수들을 업데이트시키며 우리의 목적에 맞는 뉴럴 네트워크를 만듭니다. L4DL 1학기에는 뉴럴 네트워크가 어떤 연산들로 이루어져있는지, 그리고 딥러닝에서 가장 핵심적인 개념인 backrpoapgation을 통해 학습 변수들을 업데이트 시키는 방법을 배웁니다.
본 과정에서 딥러닝을 공부하기 위한 기본적인 수학실력을 쌓고, 이를 파이썬으로 구현하는 방법을 배웁니다. 딥러닝을 위한 프레임워크인 TensorFlow를 이용해 뉴럴 네트워크를 만드는 방법을 소개하며, TensorFlow의 개입을 줄여 밑바닥부터 뉴럴 네트워크를 구현해봅니다.
해당 강의(강의 제목, 강의 코드)
- 딥러닝 네트워크의 연산[DL1301]
- Backrpopagation과 야코비안 행렬[DL1231]
파이썬의 기본적인 문법을 딥러닝에서 사용되는 연산을 통해 익힙니다. 반복연습을 통해 단순히 문법을 아는 것보다, 구현능력을 키우는 데 집중하여 강의합니다.
파이썬의 문법을 확장하여 더 편하게 알고리즘을 구현하는 방법에 대해 다룹니다. 레벨1과 마찬가지로 구현능력을 키우는 데 집중하여 강의합니다.
딥러닝은 고차원 텐서를 주로 다룬다는 특징을 가지고 있고, 이 연산에 특화되어 있는 넘파이를 배웁니다. ML, DL에서 가장 중요한 라이브러리인 만큼, 전반적인 넘파이의 사용법을 구체적으로 다룹니다.
알고리즘의 결과를 효과적으로 표현하고, 개발 단계에서 문제가 없는지 판단하는 가장 쉬운 방법은 데이터를 시각화하는 것입니다. 본 강의에서는 파이썬의 가장 대표적인 시각화 라이브러리, Matplotli … 자세히 보기
딥러닝 네트워크가 어떤 연산을 통해 예측값을 만들고, loss가 구해지는지 배웁니다. 가장 기본적 연산 단위인 인공뉴런부터, dense 레이어, activation 함수, loss 함수, convol … 자세히 보기
딥러닝에서 가장 핵심적인 backpropagation을 이해하기 위한 수학적인 스킬들을 배웁니다. 다변수함수, 벡터함수, 전미분, 확장된 야코비안을 배우고, 이를 통해 뉴럴 네트워크의 backprop … 자세히 보기
댓글 불러오는 중