[HD]Python(파이썬) 로 배우는 Deep Learning(딥러닝) 중급 Part.2

[HD]Python(파이썬) 로 배우는 Deep Learning(딥러닝) 중급 Part.2

48,000원
  • 지원유형
    • 일반과정
    • 평생교육이용권
  • 학습기간
    수료여부 관계없이 복습 12개월 추가 제공
  • 수료기준 진도 80% 이상
주문금액
48,000원
연관강의

comment

파이썬 기반의 머신러닝과 딥러닝 핵심 원리에 대해 배웁니다.

미리보기
학습방법 : HTML5 ( PC
, 스마트폰, 타블렛
)
학습시간 : 10시간 12차시
난이도 : 향상
강의목표

계산 그래프와 역전파를 숙지하고 레이어와 최적화 기법을 코드로 구현하여, 과적합 방지 및 하이퍼파라미터 튜닝을 통해 완성된 딥러닝 모델을 설계하는 역량을 기릅니다.

강의소개

오차역전파법의 원리부터 최적화, 과적합 방지까지 딥러닝 핵심 기술을 파이썬으로 밑바닥부터 직접 구현하며 신경망의 동작 원리를 깊이 있게 이해하는 중급 2차 과정입니다.

학습대상

딥러닝 기초를 숙지하고 역전파를 이해하고 싶은 분, 프레임워크에 의존하지 않고 딥러닝 엔진을 밑바닥부터 구축하며 실전 실험 설계와 최적화 기법을 적용해보고 싶은 학습자입니다.

제공서류
수료증수료시 발급가능
수강증명서학습시작 이후 발급가능
수료기준
필수평가 : 진도 (80% 이상)
총점 80 점 이상시 수료
학습기간
30일 + 무료복습기간 360일
✅ 학습기간 + 무료복습기간 내 무제한 반복 수강 가능!
- 실제 해당 강의의 커리큘럼은 복습기간을 포함하지 않는 30일 입니다.
학습목차
[HD]Python(파이썬) 로 배우는 Deep Learning(딥러닝) 중급 Part.2
1. 딥러닝 중급 2차: 오차역전파법의 기초 원리와 계산 그래프 이해
65 분
2. 파이썬 기반 연쇄 법칙 구현 및 수치 미분과 역전파 연산 속도 비교
18 분
3. 덧셈 및 곱셈 노드의 역전파 수학적 원리 이해와 파이썬 레이어 구현
59 분
4. 활성화 함수(ReLU, Sigmoid) 및 아핀(Affine) 변환 레이어 구현
68 분
5. 출력층 설계: Softmax 함수와 Cross Entropy Error 레이어 결합
27 분
6. 2층 신경망(TwoLayerNet) 구축 및 전체 학습 신경망 모듈 조립
43 분
7. 기울기 검증(Gradient Check) 및 역전파 기반 MNIST 데이터셋 학습
50 분
8. 매개변수 최적화 기법: SGD, 모멘텀, AdaGrad, Adam 알고리즘
55 분
9. 가중치 초기화와 은닉층 활성화 값의 분포 및 학습 상관관계
51 분
10. 고급 가중치 초기화(Xavier, He) 및 배치 정규화(Batch Normalization) 적용
26 분
11. 과적합(Overfitting) 방지: 가중치 감소(Weight Decay)와 드롭아웃 기법
47 분
12. 하이퍼파라미터 튜닝과 교차 검증: 학습률 및 Validation 데이터 기반 실험
56 분