딥러닝 실무 프로젝트
Masocampus
피자와 스파게티 사진을 분류해보고 싶어! 딥러닝 알고리즘 종류 중 하나인 CNN을 활용하여 이미지를 분류해보는 실무 프로젝트를 A부터 Z까지 따라해보는 딥러닝 실전 프로젝트 과정입니다.
중급이상
딥러닝, CNN, OpenCV
BEST
Chinh phục hoàn toàn lý thuyết deep learning + thực hành PyTorch
Đây là bài giảng dạy “các khái niệm cốt lõi” về deep learning cần thiết để tham gia vào công việc deep learning và các kỹ năng thực tế cần thiết để thực hiện các dự án deep learning thực tế thông qua thực hành sử dụng PyTorch.
(4.9) 58 đánh giá
468 học viên
이론 실습 모두
개념정리
딥러닝기초
딥러닝모델
자연어처리
Deep Learning(DL)
PyTorch
Computer Vision(CV)
NLP
transformer
Đánh giá từ những học viên đầu tiên
Bạn sẽ nhận được điều này sau khi học.
Học sâu hoạt động như thế nào
Các khái niệm cốt lõi của deep learning (hàm mất mát, giảm độ dốc, phân biệt tự động, v.v.)
Tạo mô hình tùy chỉnh với PyTorch
Các mô hình chính của deep learning (CNN, RNN, Transformer)
Thực hành về thị giác máy tính
Thực hành xử lý ngôn ngữ tự nhiên
Để bù đắp cho những thiếu sót của các trại huấn luyện và các lớp học chính
Chỉ chứa nội dung thực tế
Có rất nhiều trại huấn luyện và khóa học về học sâu, nhưng tôi không thấy nơi nào cung cấp hướng dẫn chuyên sâu, phù hợp với ngành. Họ chủ yếu tập trung vào các kỹ thuật học máy truyền thống như rừng ngẫu nhiên và máy vectơ hỗ trợ. Ngay cả khi nói đến học sâu, tôi không nghĩ có nơi nào cung cấp phương pháp tiếp cận thực hành toàn diện, bao gồm cả lý thuyết và thực hành. Do đó, ngay cả khi bạn tham gia các khóa học này, kỹ năng cơ bản của bạn có thể vẫn còn yếu, khiến bạn khó vượt qua các cuộc phỏng vấn kỹ thuật hoặc trở thành một kỹ sư ML thành công.
Ví dụ, nhiều khóa học và trại huấn luyện học sâu dạy về gradient descent, nhưng lại không giải thích về phép vi phân tự động, điều này giúp thực hiện gradient descent một cách hiệu quả. Vì tất cả các nền tảng học sâu (PyTorch, TensorFlow, v.v.) đều được xây dựng dựa trên phép vi phân tự động, nên việc hiểu phép vi phân tự động được coi là thiết yếu để đạt được "sự hiểu biết về học sâu".
Ngược lại, khóa học này hướng đến việc bao quát tất cả các khái niệm cốt lõi về học sâu mà nhiều trại huấn luyện và bài giảng bỏ qua .
Và trong khóa học này, chúng ta sẽ không dừng lại ở việc giới thiệu các khái niệm mà sẽ đi sâu hơn vào "lý do chúng được sử dụng", "ý nghĩa của chúng", "chúng được đề xuất trong bối cảnh nào", "chúng có tác dụng gì", v.v. và thông qua nhiều Dự án đồ chơi thực tế và bài tập thực hành, bạn sẽ học cách lý thuyết được triển khai và áp dụng vào mã liên quan đến lý thuyết.
Ví dụ, chúng tôi đề cập đến những nội dung sau:
Khuyến nghị cho
những người này
Khóa học này dành cho ai?
Chuẩn bị cho công việc hoặc thay đổi công việc với tư cách là kỹ sư học máy/học sâu
Mục tiêu tuyển sinh sau đại học AI
Bất cứ ai muốn học machine learning/deep learning đúng cách
Những người mong muốn củng cố năng lực lý thuyết và thực hành trong deep learning
Những người đã tham gia một số bài giảng về deep learning và chương trình đào tạo nhưng thất vọng
Những người chuẩn bị cho cuộc phỏng vấn kỹ thuật kỹ sư ML
Những người không chuyên ngành chuẩn bị làm việc với tư cách là kỹ sư ML
Cần biết trước khi bắt đầu?
Tiếng Anh và toán cấp trung học
Python cơ bản
Numpy cơ bản
468
Học viên
58
Đánh giá
34
Trả lời
4.9
Xếp hạng
1
Khóa học
경력:
(현) ML Engineer @ MakinaRocks
(전) ML Engineer @ DearGen
(전) ML Engineer @ DeepBio
(전) Research Student @ UCL NLP Group, Streetbees
(전) Research Student @ ICL Photonics Lab
학력:
University College London (UCL): MSc in Machine Learning (머신러닝 석사) (학점: Distinction, GPA 4.0/4.0)
Imperial College London (ICL): BSc in Theoretical Physics (이론물리학 학사) (학점: First Class Honours, GPA 4.0/4.0)
소개:
5년차 Machine Learning Engineer입니다. (Google DeepMind가 출범하였고, Demis Hasabis가 박사과정을 한) University College London에서 머신러닝 석사를 전공하였습니다. 석사 때는 NLP에서 Knowledge Graph Embedding을 연구하였고, DeepBio에서는 Medical Diagnosis에 적용되는 Image Classification, Segmentation 딥러닝 모델들을 개발하였습니다. Deargen에서는 신약 개발의 Drug Target Interaction와 같은 문제 적용되는 GNN, RNN, Transformer 등등의 다양한 딥러닝 모델들을 적용한 경험이 있습니다. 현재 재직중인 MakinaRocks에서는 제조 현장의 로봇팔의 이상탐지에 적용되는 딥러닝 모델 및 머신러닝 시스템을 구축하고 있습니다.
Chương trình giảng dạy
Tất cả
143 bài giảng ∙ (13giờ 48phút)
Tài liệu khóa học:
Tài liệu bài giảng
Ngày đăng:
Cập nhật lần cuối:
Đánh giá
Tất cả
58 đánh giá
4.9
58 đánh giá
Daeung KimĐánh giá 1
∙
Đánh giá trung bình 5.0
- 로켓파이브
Đánh giá 18
∙
Đánh giá trung bình 5.0
5
22% đã tham gia백앤드 개발자 역할을 현재 하고 있는 사람입니다. 처음에 강의를 수강할 때 망설여졌지만, 수강 후 선택을 잘했다고 생각하고 있습니다. 평소에 저는 ML 엔지니어로 관심이 많아 수강하게 되었습니다. 물론, 최근 인공지능에 대해 관심이 무척 많았던 것도 결정적으로 수강한 계기가 되었구요. 우선, 대학교때 배웠던 가물가물했던 개념을 쉽게 설명 해 주셔서 확실히 이해가 좋았습니다. 특히, 이론강의 중 수식 설명을 쉽게 해 주셔서 수식에 대한 이해가 좋았구요. 특히, 저와 같이 ML에 대한 기본적인, 겉으로만 알고 있는 사람에게 딱 적합한 강의인 것 같습니다. 참고로 제가 예전 대학원 다닐때 논문으로 고생을 했는데요. 그 때 이 강의가 있었으면 무척 도움이 많아 되었을 것 같습니다. 인공지능 대학원쪽에 관심이 있거나, 대학원 논문 작성시 개념적인 내용이 필요한 분은 한번쯤 들어보면 많이 도움이 될 것 같습니다.
- 변정현Giảng viên
안녕하세요! 대부분의 딥러닝 부트캠프들과 강의들이 너무 기본적인 내용들만 수박 겉햝기 식으로 훑고 마는 것에 대한 폐해에 너무 답답한 마음이 들었고, 제가 면접을 봤던 수많은 부트캠프 출신 면접자들이 단편적으로만 딥러닝을 이해해서 안타까운 마음이 컸습니다. 그래서 정말 오랜 시간과 많은 공수를 들여 이번 강의를 만들게 되었는데 이렇게 도움이 되셨다니 정말 기쁘네요! 수강해주셔서 감사합니다!
- hojin Lee
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
30% đã tham gia이 강의는 딥러닝의 기초부터 고급 주제에 이르기까지 폭넓게 다루며, PyTorch를 사용한 실습 위주의 접근 방식을 채택하여 좋았습니다. PyTorch 환경 설정, 딥러닝의 기본 개념, 손실 함수, 경사 하강법, 활성 함수, 최적화, 정규화, 학습 속도 스케쥴러, 초기화, 표준화, CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), 그리고 최신 주제인 Attention과 Transformer까지 다양한 주제를 다뤄서 좋았습니다. 강의는 초보자도 쉽게 접근할 수 있도록 설계되었으며, 각 섹션은 이론 설명과 함께 다양한 실습으로 구성되어 있어 학습자가 직접 코드를 작성하며 딥러닝의 원리를 체험할 수 있는 점이 특히 마음에 들었습니다. 특히, 실무에서 바로 적용 가능한 기초 개념부터 시작하여 고급 주제까지 단계별로 학습할 수 있어, 딥러닝 분야에 처음 접근하는 사람뿐만 아니라, 기본 지식을 리마인드하고자 하는 현업 인원들에게도 추천할만 하다고 생각합니다. 각 주제는 충분한 실습과 예제를 통해 깊이 있게 다루어지며, 이를 통해 학습자는 딥러닝의 다양한 측면을 종합적으로 이해하고 실제 문제 해결에 적용할 수 있는 능력을 기를 수 있을 거라고 생각합니다. 강의의 체계적인 구성과 실습 중심의 접근 방식은 학습자가 딥러닝 기술을 실제로 활용하는 데 필요한 실질적인 경험을 제공하는 이 강의를 딥러닝 분야에 관심이 있는 모든 이들에게 강력히 추천합니다.
- 변정현Giảng viên
강의를 수강해주시고 이렇게 또 상세하게 리뷰 적어주셔서 감사합니다 ㅠㅠ 안그래도 폭넓은 주제를 다루되 최대한 깊이 있으면서도 쉽게 풀어서 설명드리고 실습을 통한 실무 감각을 익힐 수 있도록 커리큘럼을 구성하는데 고민을 많이 했습니다. 이렇게 도움이 되셨다니 보람차네요! 감사합니다 :)
- 김철진
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
31% đã tham gia딥러닝 분야를 처음 접해보는 분은 물론, 중요 개념 위주로 복습해보시고 싶은 실무자 모두에게 도움이 될 수 있는 강의입니다. 처음 접해보는 분은 목차를 따라 흐름을 따라갈 수 있도록 강의의 구성이 bottom-up으로 잘 짜여있는 것 같고, 기존 실무자 분들은 내가 취약했던 개념을 빠른 시간 안에 복습해볼 수 있을 것 같습니다. 강의 목차와 내부 구성이 군더더기 없이 필수 요소를 잘 캐치하여 넣어주신 것 같습니다. 구성과 내용이 아주 깔끔합니다. 또한, 실무자 관점에서 관심이 있을만한 내용으로 강의가 잘 구성되어 있습니다. 예를 들면, - 그래서 내부 동작은 어떤 로직으로 수행되는가? - 그래서 그걸 어떻게 implementation 하는가? 이 두 가지가 잘 차별화되어있다고 느꼈습니다. 실제로 교수자 관점에서만이 아닌, 업무 수행 관점에서 알 수 있는 경험적인 내용이 잘 녹아있습니다.
- 변정현Giảng viên
강의를 수강해주셔서 감사합니다~ 정말 디테일하게 리뷰 남겨주셔서 감사합니다! 수강생 분들이 꼭 알아야 하는 핵심 개념들을 빠짐없이, 그리고 최대한 쉽게 풀어서 설명드릴 수 있도록 정말 많이 고민하고 많은 공수를 들여서 강의를 만들었는데 이렇게 알아봐 주셔서 정말 감사하고 정말 보람차네요 ㅠㅠ 리뷰 감사드립니다!
5.973.176 ₫
Khóa học tương tự
Khám phá các khóa học khác trong cùng lĩnh vực!
![[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트강의 썸네일](https://cdn.inflearn.com/public/courses/324207/course_cover/1a79c7dc-1624-4d3a-95ff-79ba1e9c4025/python_machine_learning.png?f=avif&w=420)
![[7일 완성] 한 번에 합격하는 MS AI-900 자격증강의 썸네일](https://cdn.inflearn.com/public/files/courses/338854/cover/01k4caartf5v7x2e574pq0wnp8?f=avif&w=420)
