아이티고

여기를 클릭하면, 샘플강의가 재생됩니다.

강좌코드 : la_P050406

이성용 강사

딥러닝 전문가 과정 (Pytorch 초급) Part.2
담당강사 : 이성용

강의구성	총 13강좌 (강의시간 : 총 )	권장 수강기간	30일
강의형식	동영상	증빙서류	이 강좌의 80% 이상 수강 시 출력이 가능합니다.

과정소개: 실제 데이터를 파이토치 텐서로 변환하는 전처리 과정부터 오토그레드와 옵티마이저를 활용한 딥러닝 모델의 핵심 학습 루프 구현까지 실습하는 파이토치 전문가 과정입니다 .

학습목표: 다양한 데이터를 텐서로 변환 및 정규화하고, 파이토치의 오토그레드(자동 미분)와 옵티마이저를 활용해 딥러닝 신경망의 훈련 및 검증 루프를 직접 구현하는 능력을 기릅니다 .

교육대상: 파이토치 기초를 이해하고, 다양한 데이터를 학습용 텐서로 전처리하는 방법과 오토그레드를 활용한 신경망의 핵심 학습 원리를 실전 코드로 직접 구현해보고 싶은 학습자입니다 .

차시별 학습목표

01. 다양한 실제 데이터를 인공신경망 학습을 위해 텐서로 변환하는 원리와 방법을 이해한다.

02. 텐서의 차원 변경과 정규화 기법을 익히고, 3D 볼륨 데이터의 변환 방법을 학습한다.

03. 테이블형 데이터를 분석해 연속값과 범주형으로 분류하고 텐서로 변환하는 방법을 배운다.

04. 데이터를 그룹화해 특성을 비교하고, 블리언 인덱싱으로 데이터를 추출하여 예측 모델을 평가한다.

05. 시간 순서가 중요한 시계열 데이터를 이해하고 학습에 맞게 텐서 축을 변경 및 병합한다.

06. 텍스트를 컴퓨터가 처리할 수 있는 숫자 텐서로 변환하는 다양한 인코딩 및 임베딩 방법을 익힌다.

07. 데이터 기반 모델링의 본질을 파악하고 단순한 선형 모델의 가중치와 편향 추정 개념을 배운다.

08. 오차를 측정하는 손실 함수의 역할을 이해하고, 경사 하강법으로 파라미터를 조정하는 원리를 익힌다.

09. 미분 공식을 활용한 해석적 미분과 연쇄 법칙을 통해 수치 미분의 한계를 극복하고 정확한 기울기를 구한다.

10. 파라미터를 반복 갱신하는 훈련 루프를 구성하고, 학습률 조절과 데이터 정규화로 발산 현상을 방지한다.

11. 파이토치의 강력한 자동 미분 도구인 오토그라드의 작동 원리를 이해하고 수학적 수식에 직접 적용해 본다.

12. 수많은 파라미터를 가진 실제 신경망 모델에 오토그라드를 적용하여 기울기 계산과 역전파 루프를 자동화한다.

13. 파이토치 옵티마이저를 도입해 파라미터 업데이트를 간소화하고, 검증 데이터를 분리하여 과적합을 확인한다.

참고사항: - 수강 기간 중 언제든지 반복 수강이 가능합니다.; - 수강 여부 : 해당 차시의 80%를 수강하면 (회색) 배경으로 표시됩니다.; - 수강 신청 완료 후 수강할 수 있습니다.; - 즐겨찾기 한 강좌는 MY Class에서 확인할 수 있습니다.