fbpx
machine 2019-01-17T23:16:38+00:00
딥러닝 입문반

강의 개요

이런 일들을 하는 프로그램은 어떻게 만들 수 있을까요?

  • 이미지에서 객체를 검출해내는 일
  • 이미지를 설명하는 문장을 만들어 내는 일
  • 흑백 사진에 컬러를 입히는 일
  • 스케치를 실제 이미지로 변환해 주는 일

위와 같이 기존의 프로그래밍으로는 불가능해 보이는 일들을 딥러닝, 즉 신경망 기반의 머신러닝 알고리즘으로는 마치 마법처럼 해낼 수 있습니다. 본 강의는 이처럼 시대에 큰 영향을 미치고 있는 딥러닝에 대해 집중적으로 다루는 강의입니다. 자연어 처리나 컴퓨터 비전과 같은 딥러닝의 혜택을 톡톡히 본 분야들이 어떻게, 어디까지 발전해 왔는지 논문을 읽으며 배우는 것이 목표입니다. 그래서 수업시간에 따로 코딩을 하지는 않습니다. 코딩은 여러분(과 구글과  Github) 의 몫으로 맡기고 개념을 배우는데 치중할거에요.

딥러닝을 직접 사용하게 될 가능성이 적더라도 배워두시면 좋을거라고 생각해요. 세상을 바라보는 시야가 조금 더 넓어지고, 무엇보다 재미있거든요. 🙂

수강 요건

경사 하강법, 과적합 등 머신러닝에 대한 개념들을 알고 있어야 합니다. 행렬 연산에 익숙해야 하고, 기초적인 미적분을 알고 있는 것이 좋습니다.

주차별 커리큘럼

1주차: 심층 신경망

다층 퍼셉트론 모형과 역전파 알고리즘에 대해 배웁니다.

심층 신경망의 학습에서 발생할 수 있는 여러 문제에 대해 배웁니다.

심층 신경망의 효과적이고 빠른 학습을 위한 드롭아웃, 배치 정규화 등의 테크닉에 대해 배웁니다.

Momentum, RmsProp, Adam 등 경사 하강법의 여러 변종들에 대해 배웁니다.

2주차: 컴퓨터 비전

합성곱 신경망 (CNN)에 대해 배우고, 가장 최근까지의 역사와 구조들에 대해 배웁니다.

CNN 모형을 이용한 이미지 분류와 객체 탐지, 안면 인식 등에 대해 배웁니다.

[arXiv:1506.02640] You Only Look Once: Unified, Real-Time Object Detection

3주차: 자연어 처리

Word2Vec, GloVe 등 단어를 벡터로 표현하는 방법과 언어 모형에 대해 배웁니다.

순환 신경망 (RNN)에 대해 배우고 이를 응용하여 감정 분석, 기계 번역과 같은 여러 주제에 대해 배웁니다.

BERT와 같이 RNN이나  CNN을 사용하지 않는 최근의 자연어 처리 모형들에 대해 배웁니다.

[arXiv:1611.07004] Deep Visual-Semantic Alignments for Generating Image Descriptions

4주차: 생성 모형

VAE, PixelRNN-CNN, WaveNet 등 생성 모형들에 대해 배웁니다.

적대적 생성 신경망 (GAN)과 여러 변종들에 대해 배웁니다.

이미지를 다른 스타일의 이미지로 번역해주는 Pix2Pix, CycleGAN 등에 대해 배웁니다.

[arXiv:1611.07004] Image-to-Image Translation with Conditional Adversarial Networks

5주차: 심층 강화 학습

강화 학습 문제를 정의하고, 강화 학습 문제를 풀기 위한 여러 방법론들에 대해 배웁니다.

강화 학습 문제를 푸는 데 심층 신경망을 적용하는 방법에 대해 배웁니다.

6주차: Advanced Topics

Geometric Deep Learning, Neural ODE 등 주목받는 새로운 방식의 딥러닝 모형들에 대해 배웁니다.

이후 상황에 따라 추가 수업이 있을수도 있습니다.

[arXiv:1806.07366] Neural Ordinary Differential Equations

강의 정보

  • 시간 : 4시간 * 6주 + α
  • 장소 : 강남역 토즈 토즈타워점
  • 준비물 : 필기 도구
  • 일정 : 2019년 2월 24일 개강, 매주 일요일 10시 ~ 14시

590,000 won

수강 신청
홈으로