강의 안내

학과 소개
파이썬을 활용한 딥러닝 실습(6주)
준비물 개인 노트북
담당자 (02-332-2145) help@bigdatacampus.co.kr

최근 딥러닝은 그 동안 해결하기 힘든 객체 인식, 음성 인식, 기계 번역 등 다양한 분야에서 성공적인 결과를 이끌어내고 있다. 이러한 딥러닝을 나의 현업 비즈니스 문제 해결에 적용하기 위해서는, 핵심적인 이론과 이를 구현할 수 있는 실습 과정을 학습해야만 한다.
딥러닝의 기본 배경 이론 및 흐름을 이해시켜주는 강의가 어디 없을까?
이론 뿐만 아니라 실제 실습까지 함께 진행하는 강의가 어디 없을까?

강의특징


딥러닝의 기본 배경 이론 및 흐름을 이해시켜주는 강의
실제 실습까지 함께 진행하는 강의

학과 소개
딥러닝 알고리즘들의 핵심을 이해시켜주는 강의 오픈소스를 이용한 딥러닝 실습 실제 문제에의 적용 능력을 함께 향상
본 과정은 각 딥러닝 알고리즘의 원리 및 학습 방법에 대한 핵심을 쉽고 자세하게 설명하는 데에 중점을 두고 있습니다. 최근 구글에서 발표한 Tensorflow를 중심으로 딥러닝 실습을 진행합니다. 실제 비즈니스 문제를 해결하기 위한 머신러닝을 적용하기 위해서는, 주어진 문제가 어떤 유형의 문제이며 어떤 알고리즘들을 통해 이를 해결할 수 있는지를 잘 파악해야 합니다. 본 과정에서는 지속적으로 문제 정의 및 해결 능력을 강조하여 수업을 진행할 예정입니다.

과정 목표

  • 딥러닝 알고리즘들의 이해
  • 최근 딥러닝 연구의 흐름 및 주요 이론 팔로우업
  • Python을 바탕으로 Tensorflow를 이용한 딥러닝 실습

수강 대상

  • 데이터 분석, 데이터마이닝, 머신러닝에 대한 교육/실무 경험이 있으신 분
    본 과정에서는 딥러닝을 이해하기 위한 기저의 이론들을 초반에 다룰 예정입니다.
    따라서 위의 세 가지 경험을 어느 정도 갖고 있는 분들에게 도움이 될 과정입니다..
  • 딥러닝의 핵심을 깊게 이해하고자 하시는 분
    딥러닝에 대해 본격적인 연구를 하고 있는 분이 아니라면 팔로우업하기 힘들 수 있습니다.
    본 과정에서는 소위 말하는 classic이라 불리우는 딥러닝 알고리즘 및 주요 이론들을 가급적 이해하기 쉬운 형태로
    전달하는 것을 목표로 합니다. 이를 기반으로 지속적으로 등장하는 딥러닝 관련 새로운 연구 및 자료들을 이해하는 데에 보탬이 되고자 합니다.

4주 상세 커리큘럼

상세 커리큘럼 A
주차 학습 내용
1주
    < 학습 목표 >
  • · Restricted Boltzmann machine과 Denoising autoencoder의 구조 및 학습 방법 이해
  • · 비지도학습(Unsupervised learning)의 인공신경망의 적용 이해
    < 학습 내용 >
  • · Restricted Boltzmann machine (RBM)
  • · Denoising autoencoder
    < Python을 활용한 실습 >
  • · Tensorflow를 이용한 RBM 및 Denoising autoencoder 구현
3주
    < 학습 목표 >
  • · Text analysis를 위한 기존 방법 대비 word2vec, doc2vec이 갖는 장점을 이해
  • · Word embedding을 위한 word2vec, doc2vec의 구조를 이해하고 이의 적용 방향에 대하여 이해
    < 학습 내용 >
  • · Word2vec, doc2vec 의 구조 및 학습 방법 이해
  • · Embedding에 대한 최근 동향 소개
    < Python을 활용한 실습 >
  • · Tensorflow를 이용한 word2vec 구현<학습 목표>
상세 커리큘럼 B
주차 학습 내용
2주
    < 학습 목표 >
  • · Convolution neural network (ConvNet) 의 구조를 이해하고 이의 적용 방향에 대하여 이해
    < 학습 내용 >
  • · ConvNet 의 구조 및 학습 방법 이해
  • · ConvNet에 대한 연구 사례 및 최근 동향 소개
    < Python을 활용한 실습 >
  • · Tensorflow를 이용한 ConvNet 구현
4주
    < 학습 목표 >
  • · Sequential data에 적합한 Recurrent neural network (RNN)의 구조를 이해하고 이의 적용 방향에 대하여 이해
    < 학습 내용 >
  • · RNN의 구조 및 학습 방법 (Backpropagation through time: BPTT)
  • · Long short-term memory (LSTM) 및 Gated recurrent unit (GRU) 소개
  • · RNN의 연구 및 적용 사례 소개
    < Python을 활용한 실습 >
  • · Tensorflow를 이용한 RNN 구현

교수 소개

고태훈 강사 사진
    고태훈 교수
  • · 서울대학교 산업공학과 학사 졸업
  • · 서울대학교 산업공학과 박사과정 재학 중
  • · 현재 삼성 멀티캠퍼스 및 패스트캠퍼스에서 머신러닝 및 딥러닝 강의 진행 중
      • [ 소개 ]
    • · 고태훈 강사님은 서울대학교 산업공학과 데이터마이닝센터에서 현재 박사과정을 진행하고 있습니다. 삼성전자, LG전자, 현대자동차, 현대중공업, 두산인프라코어, 현대카드 등 다수의 업체와의 협업을 통해 실제 비즈니스에 연결되어 있는 데이터를 규명/분석하고 머신러닝 기법을 적용하여 현업에 적용할 수 있는 연구를 꾸준히 진행하였습니다. 고태훈 강사님은 실제 비즈니스에서 적용 가능한 데이터마이닝 프로세스, 그리고 이에 적용 가능한 기법을 찾아서 연결하는 데에 필요한 기법들을 연결하는 데에 관심이 많습니다.

자주묻는 질문

자주묻는 질문
빅데이터-미선 러닝 분야의 이론적 배경이 없이도 수강이 가능한가요? 프로그래밍에 약해도 수강이 가능한가요?
물론 통계학 및 빅데이터-머신 러닝분야에 대한 기초지식이 있으신 분들이 보다 유리한 과정이 될 수도 있지만, 본 과정은 소셜 미디어 데이터 분석을 위한 기본적인 이론 강의를 병행할 예정이므로 해당 분야 지식을 습득하는데 전혀 무리가 없다고 말씀드릴 수 있습니다. 본 과정은 통계분석분야 전문소프트웨어인 R을 사용할 예정이므로 실제 어렵고 복잡한 프로그래밍 경험이 없어도 충분히 소화가 가능한 과정이며, 오히려 이 경험을 바탕으로 보다 복잡한 프로그래밍의 이해에 도움이 될 수도 있습니다.

수강료

수강료
일반등록가 132만원
얼리버드 할인가 102만원

평일반 수강 신청 (얼리버드 할인 중) 주말반 수강 신청 (얼리버드 할인 중)