본문 바로가기

Course

[한글자막] 딥러닝의 모든 것 with Python, Tensorflow, Pytorch

딥러닝의 모든 것
with Python,
Tensorflow, Pytorch

: ANN, CNN, RNN, SOM,
Boltzmann Machine,
Stacked AutoEncoder

배울 내용

딥러닝 핵심 모델에 대한 깊은 이해와 실제 데이터 적용 실습

ANN(인공 신경망) 모델의 이해와 적용.

CNN(합성곱 신경망) 모델의 이해와 적용

RNN(순환 신경망) 모델의 이해와 적용

Kirill Eremenko, Hadelin de Ponteves, Ligency I Team

AI Entrepreneur, Data Scientist



이런 분들에게 추천해요

딥러닝에 관심 있는 누구나

고등학교 수학 지식이 있고 머신러닝을 시작하려는 학생

코딩이 익숙하지 않으나 딥러닝에 관심이 있고 데이터셋에 쉽게 적용하고 싶은 분

데이터 사이언스 분야에서 경력을 시작하려는 취업준비생

[딥러닝 학습을 위한 가장 최적의 커리큘럼]
이 코스를 준비하면서 가장 중요하게 생각한 것은 탄탄한 커리큘럼입니다. 딥 러닝은 매우 광범위하고 복잡한 개념이기 때문에, 정확하고 탄탄한 커리큘럼으로 학습을 시작하지 않으면 뒤로 갈수록 학습이 힘들어집니다.
그래서, 이 코스는 딥러닝 학습을 가장 체계적이고 탄탄하게 할 수 있도록 강의 내용을 구조화했습니다. 모든 딥러닝 모델에 대해서 ‘왜 이 기술이 필요한가?’에서 학습을 출발하고, 각 모델의 심층적인 이론에 대해 깊이 있게 다룹니다.
이러한 깊이 있고 탄탄한 이론 학습을 통해 특정 딥러닝 모델에 대해 정확하게 이해하고 있다는 확신을 가질 수 있습니다. 이러한 확신은 실습으로 코딩 연습을 진행하면 더 강해질 것입니다.

[실제 데이터셋을 활용한 프로젝트 학습]
오래된 학습 데이터 세트를 기반으로 딥러닝을 배우는 과정이 지겹지 않나요? 이 강의는 다릅니다. 이 강의는 비즈니스 문제를 해결하기 위해 구성되어 있는 실제 데이터 세트를 통해 프로젝트를 진행합니다.
이 강의에서는 6가지 실제 비즈니스 사례에서 사용된 데이터셋을 사용하여 아래의 사항들을 해결해봅니다.
- 고객 이탈 문제를 해결하는 ANN 모델
- 이미지 인식을 위한 CNN 모델
- 주가를 예측하는 RNN 모델
- 사기 조사를 위한 SOM
- 추천 시스템을 만드는 Boltzmann Machine
- 넷플릭스 상금 100만 달러 챌린지를 위한 Stacked AutoEncoder

이 모든 데이터셋을 가지고 딥러닝 모델을 만드는 과정을 빈 코드 에디터 페이지부터 시작해 함께 작성해봅니다. 실제로 코드를 치고, 고민하는 과정을 통해 코드가 어떻게 구성되고 각 행의 의미가 정확하게 무엇인지를 완벽하게 이해할 수 있습니다.

[딥러닝 구현을 위한 도구 완전 정복]
딥러닝 구현을 위한 핵심 라이브러리은 TensorFlow, Pytorch 모두를 이 코스를 통해 다뤄볼 수 있습니다. 단순히 도구를 활용만 하는게 아니라, TensorFlow와 Pytorch 각각을 더 잘 사용하고, 어떤 상황에서 어떤 도구를 사용하는게 더 좋은지 그 맥락을 이해할 수 있게 해드립니다. 또한, Theano와 Keras 등 복잡한 딥러닝 모델을 보다 효과적으로 구현하도록 도와주는 최신 도구들까지 다뤄볼 수 있습니다.
이외에도 머신러닝 구현을 위한 Scikit-Learn 라이브러리와, 데이터 전처리를 위해 사용되는 Pandas에 대해서도 다양하게 활용해볼 수 있습니다. Numpy도 물론 사용합니다. Matplotlib을 통한 데이터 시각화도 다루고 있어서, 딥러닝 할 데이터를 다루기 위해 필요한 모두 도구들에 대해서 실습을 해볼 수 있습니다.

평생 이용권22시간 동영상
TV&모바일 엑세스 강의 수료증