본문 바로가기

Course

[한글자막] 딥러닝 완벽 핵심가이드: 인공 신경망 실습

딥러닝 완벽 핵심 가이드: 인공 신경망 실습

머신러닝 및 데이터 사이언스 분야 글로벌 전문가로부터 Python을 사용해 딥러닝 알고리즘 만드는 방법을 배웁니다. 코드 템플릿이 포함되어 있습니다.


강사


강의 설명

한국 수강생 여러분 안녕하세요, 저의 베스트셀러 강의 중 하나인 [딥러닝 완벽 핵심 가이드 : 인공 신경망 실습] 강의에 오신 것을 환영합니다! 저희는 세계 200만 수강생을 보유한 Udemy의 TOP 강사입니다.

인공 지능은 기하급수적으로 성장하고 있습니다. 의심의 여지가 없습니다. 자율주행 자동차는 수백만 마일의 속도를 기록하고 있으며 IBM Watson은 의사보다 환자를 더 잘 진단하고 있으며 Google Deepmind의 AlphaGo는 직관이 핵심적인 역할을 하는 게임인 바둑에서 세계 챔피언을 이겼습니다.

그러나 AI가 발전할수록 해결해야 할 문제는 더욱 복잡해집니다. 그리고 딥러닝만이 이러한 복잡한 문제를 해결할 수 있고 이것이 인공 지능의 핵심인 이유입니다.

왜 딥러닝 완벽 핵심가이드인가?

이 강의가 특별한 이유, 다른 강좌 프로그램과 차별화되는 5가지 이유를 알려드립니다.

1. 견고한 강의 구조

우리가 집중한 첫 번째이자 가장 중요하게 생각한 것은 강의에 견고한 구조를 제공하는 것입니다. 딥러닝은 매우 광범위하고 복잡하여 이 미로를 탐색하려면 명확하고 글로벌한 비전이 필요합니다.

이것이 우리가 딥러닝의 두 가지 기본 분기인 지도(Supervised) 딥러닝과 비지도(Unsupervised) 딥러닝을 나타내는 두 권으로 자습서를 그룹화한 이유입니다. 각 권이 세 가지 고유한 알고리즘에 초점을 맞추면서 이것이 딥러닝을 마스터하는 데 가장 적합한 구조라는 것을 알았습니다.

2. 직관 튜토리얼

너무나 많은 강의들과 서적들이 학생들에게 단지 무수한 이론, 수학, 코드들을 던져주는대서 그치지요. 그들은 아마도 가장 중요한 부분을 설명하는 것을 잊은 것 같네요. 바로, "왜 여러분들이 그것들을 해야 하는지"를 말이죠. 이것이 저의 강의가 타 강의들과 다른 이유입니다. 우리는 직관적인 개발에 중점을 둡니다. *feel* 딥러닝 알고리즘의 이면에 있는 개념에 대해 설명합니다.

우리의 직관 튜토리얼을 통해 본능적 수준에서 모든 기술을 이해하고 있다는 확신을 가질 수 있습니다. 실습으로 코딩 연습을 진행하면 직접 해보는 것이 얼마나 더 의미가 있는지 스스로 알게 될 것입니다. 이것은 판도를 바꿀 만큼 굉장한 일입니다.

3. 흥미진진한 프로젝트

과도하게 사용된 오래된 데이터 세트를 기반으로 하는 과정이 지겹습니까? 그렇다면 당신은 치료제를 찾았습니다. 제 강의에서는 실제 비즈니스 문제를 해결하기 위해 실제 데이터 세트에 대해 작업합니다. (물론 모든 강의에서나 볼 수 있는 지루한 숫자 분류 데이터 셋이 아닙니다.)

이 강의에서는 6가지 실제 사례를 사용하여 아래의 사항들을 해결해볼 것입니다.
  • 고객 이탈 문제를 해결하는 인공 신경망
  • 이미지 인식을 위한 컨벌루션 신경망
  • 주가를 예측하는 순환 신경망
  • 사기 조사를 위한 자체 구성 지도
  • 추천 시스템을 만드는 Boltzmann 기계
  • 넷플릭스 상금 100만 달러 챌린지를 위한 스택형 오토인코더

*Stacked Autoencoders는 몇 년 전에는 존재하지도 않았던 딥러닝의 새로운 기술입니다. 우리는 이 방법이 다른 곳에서 충분히 깊이 있게 설명된 것을 본 적이 없습니다.

4. 실습 코딩

Deep Learning AZ™에서는 여러분과 함께 코딩합니다. 모든 실용적인 튜토리얼은 빈 페이지로 시작하고 코드를 처음부터 작성합니다. 이렇게 하면 코드가 어떻게 구성되고 각 행이 의미하는지 정확히 이해할 수 있습니다.

또한 코드를 다운로드하여 자신의 프로젝트에 적용할 수 있도록 의도적으로 코드를 구성합니다. 또한 데이터 세트를 삽입하고 알고리즘을 필요에 맞게 조정하고 원하는 결과를 얻기 위해 코드를 수정하는 위치와 방법을 단계별로 설명합니다.

이것은 당신의 경력으로 자연스럽게 확장되는 과정입니다.

5. 강의 내 지원

너무나 궁금한 질문이 있음에도 저자에게 연락할 수 없는 강의를 수강하거나 책을 읽은 적이 있나요? 글쎄요, 이 강의는 다릅니다. 우리는 이 강의를 지구 상에서 가장 강력한 딥러닝 과정으로 만들기 위해 최선을 다하고 있습니다. 우리에겐 당신이 우리의 도움이 필요할 때 항상 거기에 있어야 할 책임이 있습니다.

사실, 육체적으로 먹고 자야 할 시간이 저희에게도 필요하기 때문에 우리를 돕기 위해 전문 데이터 과학자 팀을 구성했습니다. 질문을 할 때마다 최대 48시간 이내에 답변을 드립니다.

여러분의 쿼리가 아무리 복잡해도 저희가 도와드리겠습니다. 궁극적으로, 저희는 여러분이 성공하기를 바라기 때문입니다.

도구들

Tensorflow와 Pytorch는 딥러닝을 위한 가장 인기 있는 두 가지 오픈 소스 라이브러리입니다. 이 강의에서는 둘 다 배우게 됩니다! TensorFlow는 Google에서 개발했으며 음성 인식 시스템, 새로운 Google 사진 제품, Gmail, Google 검색 등에 사용됩니다. Tensorflow를 사용하는 회사에는 AirBnb, Airbus, Ebay, Intel, Uber 등이 있습니다. PyTorch도 마찬가지로 강력하며 Nvidia 및 주요 대학인 Stanford, Oxford, ParisTech의 연구원들이 개발하고 있습니다. PyTorch를 사용하는 회사에는 Twitter, Saleforce 및 Facebook이 있습니다.

그래서, 무엇이 더 나은 것이고 무엇을 위해 뭘 사용할까요?

이 강의에서 여러분은 두 가지 다 작업하고 Tensorflow가 더 나은 때와 PyTorch가 가야 할 길을 이해할 수 있는 기회를 갖게 될 것입니다. 튜토리얼 전반에 걸쳐 우리는 둘을 비교하고 특정 상황에서 가장 잘 작동할 수 있는 팁과 아이디어를 제공합니다.

흥미로운 점은 이 두 라이브러리가 모두 1년이 조금 넘었다는 것입니다. 이것이 바로 이 강의에서 가장 최첨단 딥러닝 모델과 기술을 가르친다는 의미입니다.

더 많은 도구들

Theano - 또 다른 오픈 소스 딥러닝 라이브러리입니다. 기능 면에서 Tensorflow와 매우 유사하지만 그럼에도 불구하고 여전히 다룰 것입니다.

Keras - 딥러닝 모델을 구현하는 놀라운 라이브러리입니다. 이것은 Theano 및 Tensorflow의 wrapper 역할을 합니다. Keras 덕분에 몇 줄의 코드 만으로 강력하고 복잡한 딥러닝 모델을 만들 수 있습니다. 이것은 당신이 만들고 있는 것에 대한 글로벌 비전을 가질 수 있게 해줄 것입니다. 이 라이브러리 덕분에 당신이 만드는 모든 것이 매우 명확하고 구조화되어 있어 실제로 하고 있는 일에 대한 직관과 이해를 얻을 수 있습니다.

Scikit-learn - 가장 실용적인 기계 학습 라이브러리 입니다. 가장 관련성이 높은 기술인 k-Fold Cross Validation으로 모델의 성능을 평가하기 위해서, 효과적인 매개변수 조정으로 모델을 개선하기 위해서, 모델이 최상의 조건에서 학습할 수 있도록 데이터 전처리를 위해서 사용할 것입니다.

그리고 물론, 우리는 일반적인 용의를 언급해야 합니다. 이 전체 과정은 Python을 기반으로 하며 모든 단일 섹션에서 귀중한 실습 코딩 경험을 무려 몇 시간 동안이나 얻을 수 있습니다.

또한 강의 전반에 걸쳐 Numpy를 사용하여 높은 계산을 수행하고, 고차원 배열을 조작하고, Matplotlib를 사용하여 통찰력 있는 차트를 만들고, 또한 Pandas를 사용하여 데이터 세트를 가장 효율적으로 가져오고 조작할 것입니다.

이 강의는 누구를 위한 것입니까?

보시다시피, 딥러닝 분야에는 다양한 도구가 있으며 이 강의에서는 딥러닝 완벽 핵심가이드 수강을 완료했을 때 관련 기술을 사용할 수 있도록 가장 중요하고 가장 진보적인 오늘날 기술의 최첨단 도구를 보여줄 것입니다.

딥러닝을 이제 막 시작하는 경우라면, 이 강의가 매우 유용하다는 것을 알게 될 것입니다. 이 강의는 특별한 코딩 청사진 접근 방식을 중심으로 구성되어 있어 불필요한 프로그래밍이나 수학적 복잡성에 얽매이지 않고 대신 강의 초기부터 딥러닝 기술을 적용하게 됩니다. 처음부터 지식을 쌓고 모든 튜토리얼을 통해 점점 더 자신감을 얻는 방법을 알게 될 것입니다.

이미 딥러닝 경험이 있으신 분들이라면, 이 강의는 굉장히 새롭고 매우 실용적일 것입니다. 이 강의 안에서 가장 최첨단 딥러닝 알고리즘 및 기술(일부는 1년 전에는 존재하지도 않음)을 마스터하고 이 과정을 통해 실제 비즈니스 과제. 또한 내부에서 새로운 딥러닝 기술과 응용 프로그램을 탐색할 영감을 찾을 수 있습니다.

실제 사례 연구

딥러닝을 마스터하는 것은 직관과 도구를 아는 것뿐만 아니라 이러한 모델을 실제 시나리오에 적용하고 비즈니스 또는 프로젝트에 대한 실제 측정 가능한 결과를 도출할 수 있다는 것입니다. 그렇기 때문에 이 강의에서 6가지 흥미로운 과제를 소개해드리겠습니다.

#1 이탈 모델링 문제

이 부분에서는 은행의 데이터 분석 과제를 해결합니다. 은행 고객의 대규모 샘플이 포함된 데이터 세트가 제공됩니다. 이 데이터 세트를 만들기 위해 은행은 고객 ID, 신용 점수, 성별, 나이, 사용 기간, 잔액, 고객이 활성 상태인지, 신용 카드가 있는지 등과 같은 정보를 수집했습니다. 은행은 6개월 동안 이러한 고객이 은행을 떠났는지 또는 머물렀는지 관찰했습니다.

여러분의 목표는 위에 제공된 지리학적 및 거래 정보를 기반으로 개별 고객이 은행을 떠날지 또는 머무를지(고객 이탈) 예측할 수 있는 인공 신경망을 만드는 것입니다. 게다가 떠날 확률에 따라 은행의 모든 고객의 순위를 매겨야 합니다. 그렇게 하려면 확률적 접근 방식을 기반으로 하는 올바른 딥러닝 모델을 사용해야 합니다.

이 프로젝트에 성공하면 은행에 상당한 부가가치를 창출하게 됩니다. 딥러닝 모델을 적용하면 은행에서 고객 이탈을 크게 줄일 수 있습니다.

#2 이미지 인식

이 과정에서는 이미지에서 다양한 개체를 감지할 수 있는 컨볼루션 신경망을 만듭니다. 우리는 이 딥러닝 모델을 구현하여 사진 세트에서 고양이나 개를 인식할 것입니다. 그러나 이 모델은 다른 것을 감지하는 데 재사용할 수 있으며 입력 폴더의 사진을 변경하는 것만으로 수행 방법을 보여줍니다.

예를 들어, 종양이 포함되어 있는지를 감지하기 위해 일련의 뇌 이미지에 대해 동일한 모델을 훈련할 수 있습니다. 그러나 고양이와 개에 맞게 유지하려면 말 그대로 고양이나 개의 사진을 찍을 수 있고, 사진 속 모델이 어떤 동물을 가지고 있는지 예측할 수 있습니다. 우리는 심지어 Hadelin의 개에서 그것을 테스트했습니다!

#3 주가 예측

이 과정에서는 가장 강력한 딥러닝 모델 중 하나를 만듭니다. "인공지능"에 가까운 딥러닝 모델을 만들 것입니다. 왜 그럴까요? 이 모델은 우리 인간과 마찬가지로 장기 기억을 가질 것이기 때문입니다.

이를 용이하게 하는 딥러닝의 한 분야가 순환 신경망입니다. 클래식 RNN은 메모리가 짧고 이러한 정확한 이유로 인기도 없고 강력하지도 않았습니다. 그러나 최근 Recurrent Neural Networks의 주요 개선 사항은 경기장을 완전히 바꿔놓은 LSTM(Long Short Term Memory RNN)의 인기를 불러일으켰습니다. 우리는 이러한 최첨단 딥러닝 방법을 우리 과정에 포함하게 되어 매우 기쁩니다!

이 부분에서는 이 초강력 모델을 구현하는 방법을 배우고 이를 사용하여 실제 Google 주가를 예측하는 데 도전할 것입니다. 스탠포드 대학의 연구원들은 이미 비슷한 도전에 직면해 있으며 우리는 적어도 그들만큼 잘하는 것을 목표로 할 것입니다.

#4 사기 탐지

Markets & Markets에서 발행한 최근 보고서에 따르면 사기 탐지 및 예방 시장은 2021년까지 331억 9,000만 달러의 가치가 있을 것입니다. 이것은 거대한 산업이며 고급 딥러닝 기술에 대한 수요는 계속 증가할 것입니다. 이것이 우리가 이 사례 연구를 과정에 포함 시킨 이유입니다.

이것은 Volume 2 - Unsupervised Deep Learning Models의 첫 번째 부분입니다. 여기서 비즈니스 과제는 신용 카드 애플리케이션에서 사기를 감지하는 것입니다. 은행에 대한 딥러닝 모델을 생성하고 고급 신용 카드를 신청하는 고객에 대한 정보가 포함된 데이터 세트를 받습니다.

고객이 신청서 작성 시 제공한 데이터입니다. 귀하의 임무는 이러한 애플리케이션 내에서 잠재적인 사기를 감지하는 것입니다. 즉, 챌린지가 끝나면 말 그대로 응용 프로그램에서 부정행위를 했을 가능성이 있는 고객의 명시적인 목록이 표시됩니다.

#5 & 6 추천 시스템

Amazon 제품 제안에서 Netflix 영화 추천에 이르기까지 오늘날과 같은 세상에서 좋은 추천 시스템은 매우 가치가 있습니다. 그리고 이를 생성할 수 있는 전문가는 지구 상에서 가장 높은 급여를 받는 데이터 과학자입니다.

우리는 Netflix 데이터 세트와 정확히 동일한 기능을 가진 데이터 세트에서 작업할 것입니다. 많은 영화, 수천 명의 사용자가 시청한 영화를 평가했습니다. 등급은 Netflix 데이터 세트와 동일하게 1에서 5까지로, 등급이 단순히 "좋아요" 또는 "싫어요"인 경우보다 구축하기가 더 복잡합니다.

최종 추천 시스템은, 고객이 보지 않은 영화의 등급을 예측할 수 있습니다. 따라서 예측을 5에서 1로 순위를 지정하면 딥러닝 모델이 각 사용자가 봐야 할 영화를 추천할 수 있습니다. 이러한 강력한 추천 시스템을 만드는 것은 상당히 어려운 일이므로 두 번만 시도해 보겠습니다. 즉, 두 가지 다른 딥러닝 모델로 구축할 것입니다.

첫 번째 모델은 5부에서 다룰 복잡한 볼츠만 머신인 Deep Belief Networks입니다. 그런 다음 두 번째 모델은 제가 개인적으로 가장 좋아하는 강력한 AutoEncoder를 사용합니다. 당신은 그들의 단순함과 그들이 할 수 있는 것 사이의 대조를 이해할 것입니다.

그리고 자신이나 친구에게 적용할 수도 있습니다. 영화 목록은 명시적이므로 이미 본 영화를 평가하고 데이터 세트에 평가를 입력하고 모델을 실행하고! 추천 시스템은 Netflix에서 무엇을 볼지 생각이 나지 않을 때 어떤 영화를 좋아할지 정확히 알려줍니다!

요약

결론적으로 이것은 직관 튜토리얼, 실습 및 실제 사례 연구로 가득 찬 흥미진진한 교육 프로그램입니다. 우리는 딥러닝에 대해 매우 열정적입니다. 수업에서 뵙죠!

- Kirill & Hadelin