/ai-dl-2days

Tensorflow 기반 딥러닝 핵심과 활용

1. 머신 러닝의 동작 원리

  • AI 문제 해결 기술
  • 머신 러닝 개요와 프로젝트 프로세스
  • 학습모델과 회귀분석
  • 가설함수(학습모델)및 비용(손실)함수의 이해
  • 오차수정과 경사하강법의 원리
  • 로지스틱 회귀와 활성화 함수의 이해

2. 머신러닝과 딥러닝의 구현 방법과 활용

  • 머신러닝/딥러닝 라이브러리의 종류
  • Tensorflow를 이용한 머신러닝/딥러닝 구현
  • 주요 머신러닝 알고리즘의 이해와 활용
  • 딥 러닝 개요와 구현 방법의 이해
  • 딥러닝 구현 핵심 기술의 이해 - CNN, RNN/LSTM, GAN 등
  • 머신러닝/딥러닝 활용 사례와 연구동향

3. 오차 역전파의 이해와 신경망 구현

  • 계산 그래프와 연쇄 법칙 (Chain Rule)
  • 역전파 (Back Propagation)
  • Network Layer 구현
  • 오차역전파법을 적용한 신경망 구현

4. 신경망 학습의 핵심 요소

  • 데이터 전처리 (Data Processing)
  • 가중치 초기화 (Weight Initialization)
  • 활성화 함수 (Activation Functions)
  • 최적화 (Optimization)
  • Normalization & Regularization
  • Hyperparameter 최적화 (Optimization)
  • Learning Process의 관리

5. CNN 기본 아키텍처

  • CNN Layer Architecture
  • Convolutional Nueral Network 핵심 기술
  • CNN 모델 만들기 실습

부록. 실습 환경 구축