Block title
Block content
진행중 강좌
 
딥러닝 이론 및 소프트웨어 구현
본 강의는 딥러닝의 기초부터 주된 알고리즘들을 하나씩 이론과 함께 실습을 진행함을 목적으로 함.
Block title
Block content
  • 한국어
  • 13주
  • 1주/4시간
  • 수료증 미발급

딥러닝 이론 및 소프트웨어 구현에 대한 기본 강의를 진행합니다.

인공신경망 이론을 이해하기 위한 가장 기본이 되는 Linear Regression, Binary Classification, 그리고 Softmax Classification을 먼저 다룬 후, 인공신경망, Convolutional Neural Network (CNN), 그리고 Recurrent Neural Network (RNN)에 대해서 논할 예정입니다. 각각의 알고리즘에 대해서는 TensorFlow와 Keras로 각각 구현실습을 진행할 예정입니다.

더불어 강화학습에 대해서도 이론적으로 알아볼 예정이고, 언어인지 및 검색엔진 설계의 기본이 되는 텍스트 마이닝 기법과 추천시스템 알고리즘에 대해서도 개략적으로 알아볼 예정입니다. 

강좌 목차

주차 차시
1 딥러닝 및 관련 소프트웨어 개요 1차시. 인공지능, 머신러닝, 딥러닝 개론
2차시. 파이썬, TensorFlow 및 Keras 설치
3차시. 파이썬, TensorFlow 및 Keras 기본예제
2 선형 회귀분석 알고리즘 이론 및 개발 선형 회귀분석 이론
선형 회귀분석 TensorFlow/Keras 기초예제
선형 회귀분석 TensorFlow/Keras 심화예제
3 이진 분류 알고리즘 이론 및 개발 이진 분류 이론
이진 분류 Tensorflow기반 구현
이진 분류 Keras기반 구현
4 Softmax 분류 알고리즘 이론 Softmax 분류 이론
Softmax 분류 TensorFlow기반 구현 분석
Softmax 분류 TensorFlow기반 구현
5 Softmax 분류 알고리즘 개발 Softmax 분류 TensorFlow기반 구현 (심화1)
Softmax 분류 TensorFlow기반 구현 (심화2)
Softmax 분류 Keras기반 구현
6 인공신경망 이론 인공신경망 기초이론
인공신경망 다계층설계(MLP)
인공신경망과 딥러닝
7 인공신경망 구현 인공신경망 TensorFlow 구현
인공신경망 TensorFlow 구현 (심화)
인공신경망 Keras 구현
8 MNIST 이미지 분류기 MLP기반 MNIST 분류기 설계
MLP기반 MNIST 분류기 TensorFlow기반 구현
MLP기반 MNIST 분류기 Keras기반 구현
9 CNN 이론 CNN 이론 (1)
CNN 이론 (2)
CNN 이론 (3) 및 활용
10 CNN 구현 CNN기반 MNIST 분류기 구현 (1)
CNN기반 MNIST 분류기 구현 (2)
CNN기반 MNIST 분류기 구현 (3)
11 RNN 이론 및 구현 RNN 이론
RNN 구현 (1)
RNN 구현 (2)
12 비지도학습 및 강화학습 클러스터링 개론
강화학습 개론
게임이론의 기초
13 언어인지 개론 딥러닝기반 자연어처리 기초
텍스트분석 기초 및 KoNLPy
추천시스템 기초

교수진

김중헌
중앙대학교 소프트웨어대학
top