| 1. | |
딥러닝과 인공신경망 | 인공신경망의 개념, 학습 원리, 내부 구조, 내부 데이터, 학습을 위한 순방향연산과 역방향 연산의 개념에 대해 설명한다. 딥러닝에서 인공신경망 활용 분야와 간단한 응용 실습을 진행한다. |  |
| 2. | |
인공신경망 순방향 연산 | 인공신경망 학습을 위한 내부 데이터 종류, 노드값 갱신을 위한 가중 평균합 연산, 전방향 연산 오차 계산을 위한 비용 함수등을 설명한다. 노드값 갱신시 값의 비선형성을 보장하기 위한 다양한 활성화 함수에 대해서 설명한다. | |
| 3. | |
인공신경망 역전파 연산(1부) | 신경망 학습 수행과정에서 진행되는 입력층과 출력층 사이의 가중치를 갱신 원리에 대해서 설명한다. 경사하강법 수식을 사용하여, 새로운 가중치 값을 계산하는 방법에 대해서 설명한다. | |
|
인공신경망 역전파 연산(2부) | 신경망 학습과정에서 진행되는 입력층과 은닉층 사이에 가중치 값 갱신 원리에 대해서 살펴 본다. 경사하강법 수식을 사용하여 새로운 가중치 값을 계사하는 방법에 대해서 설명한다. | |
|
| 4. | |
인공신경망 가중치 최적화 (1부) | 인공신경망에서 최적의 파라미터(가중치)를 찾아내기 위한 방법과 종류에 대해서 살펴본다. 확률적 경사 하강법, 배치 경사 하강법, 미니 배치 경사하강법 알고리즘의 원리에 대해서 설명한다. | |
|
인공신경망 가중치 최적화 (2) | 학습률과 기울기를 상황에 맞게 변경하면서 최적의 가중치를 찾아가는 적응적 최적화 알고리즘의 원리와 종류에 대해서 살펴본다. 모멘텀, 네스터오버 모멘텀, Aadgrad, Adadelta, RMSprop, Adam알고리즘의 원리와 등장 배경에 대해서 설명한다. | |
|
| 5. | |
합성곱 신경망 개념과 내부구조 | 다양한 인공신경망 중에서 가장 많이 사용되는 합성곱 신경망의 개념, 내부 구조에 대해서 설명한다. 신경망의 주요 연산 계층인 합성곱 연산 계층, 풀링 계층, 활성화 함수, 소프트 맥스 계층의 동작 원리에 대해서 설명한다. 합성곱 신경망을 활용하는 분야에 대해서 설명 한다. | |
| 6. | |
합성곱 신경망 종류(1부) | 30년간의 합성곱 신경망 발전 역사를 4단계로 나누고 각 단계별 특징에 대해서 살펴본다. 1989년과 2012년 사이에 등장한 리쿤, 리넷, 알렉스넷 합성곱 신경망 모델의 특징과 성능에 대해서 살펴한다. | |
|
합성곱 신경망 종류(2부) | 2014년 이후에 등장한 VGG모델, 구글넷 모델, R-CNN모델, 레스넷, 댄스넷, YOLO모델의 주요 특징과 성능에 대해서 살펴본다. | |
|
| 7. | |
R을 활용한 인공신경망 구축 실습(1부) | 빅데이터 분석 언어인 R을 사용하여 인공 신경망 학습을 위한 데이터셋을 수집하고 전처리하는 방법에 대해서 설명한다. | |
|
R을 활용한 인공신경망 구축 실습(2부) | R에서 제공하는 뉴럴넷의 사용방법에 대해서 설명하고 인공 신경망을 구축하는 실습을 진행한다. 구축된 신경망을 수집된 데이터셋을 사용하여 학습 시키고 학습된 신경망을 사용하여 데이터를 예측하는 실습을 진행한다. | |
|
| 8. | |
C언어를 활용한 인공신경망 구축 실습(1부) | C언어를 활용하여 인공신경망을 구축하고 학습하기 위한 데이터셋 수집, 전처리, 배열을 사용하여 저장하는 방법을 설명한다. | |
|
C언어를 활용한 인공신경망 구축 실습(2부) | C를 사용하여 입력층과 은닉층 사이 또는 은닉층과 출력층 사이의 가중치 갱신을 위한 자료값, 인공 신경망 내부 노드의 노드값, 가중치 갱신을 위한 델타값등을 저장하는 방법을 설명한다. | |
|
|
C언어를 활용한 인공신경망 구축 실습(3부) | C프로그래밍 언어를 사용하여 인공신경망 전방향 연산과 메인 함수를 구현하고 이를 데이터셋를 사용하여 학습시키는 실습을 진행한다. | |
|
|
C언어를 활용한 인공신경망 구축 실습(4부) | 인공신경망의 역방향으로 전체 오차를 계산하는 기능, 입력층과 은닉층 또는 은닉층과 출력층 사이의 파라미터를 업데이트 하는 기능을 C로 구현하는 실습을 진행한다 구현된 인공신경망을 학습 시키고 학습 결과를 확인하는 실습을 진행한다. | |
|
| 9. | |
텐서플로우를 활용한 인공신경망 구축(1부) | 구글에서 개발한 인공신경망 구축 도구인 텐서플로우의 개념과 설치 방법에 대해서 설명한다. 구축된 신경망을 학습과정과 결과를 시각화하기 위한 매트플롯과 학습 데이터 행렬 연산을 손쉽게 해주는 넘파이에 대해서 설명한다. | |
|
텐서플로우를 활용한 인공신경망 구축(2부) | 사이킷런 라이브러리에서 제공하는 인공신경망 학습 데이터 전처리 기능을 실습하고 k-최근접 알고리즘을 사용하여 붓꽃 데이터셋을 분류하는 실습을 진행한다. | |
|
|
텐서플로우를 활용한 인공신경망 구축(3부) | 인공신경망을 레고 조립하듯이 손쉽게 구축하고 구축된 모델을 학습, 평가할 수 있도록 해주는 케라스의 사용법에 대해서 소개하고 케라스에서 제공하는 실험용 데이터셋에 대해서 설명한다. | |
|
|
텐서플로우를 활용한 인공신경망 구축(4부) | 텐서플로우를 사용하여 인공신경망을 구축하고 수집된 미세먼지 데이터셋을 사용하여 학습 시킨후, 학습된 모델을 사용하여 5일간의 미세먼지를 예측하는 실습을 진행한다. | |
|
| 10. | |
텐서플로우를 사용한 합성곱 신경망 구축(1부) | 텐서플로우에서 제공하는 Conv2D,MaxPooling2D, Flatten함수를 사용하여 합성곱 신경망을 만들고 학습시킨 후, 손글씨를 분류하는 실습을 진행한다. | |
|
텐서플로우를 사용한 합성곱 신경망 구축(2부) | 텐서플로우를 사용하여 합성곱 신경망을 구축하고 이미지 데이터셋으로 학습시킨후, 새로운 이미지를 예측하는 실습을 진행한다. | |
대구광역시 동구 동내로 64(동내동 1119) 우)41061
COPYRIGHT keris. all rights reserved
페이스북
트위터
카카오톡
네이버밴드
링크복사
