텐서플로우를 활용한 딥러닝 인공지능 개발과정
텐서플로우(Tensorflow) 활용한 딥러닝 인공지능
토요일반 : 04.09(토)~05.07(토) (5일,40시간)[종로점]
주말반: [토] 09:30~18:30 [8H](점심: 13:30~14:30)
1544-0714
컨소시엄 전액무료 교육
Tensorflow, Keras 기반 머신러닝 모델을 개발 할 수 있는 개발자를 양성하는 과정이며 실무에 바로 적응이 가능한 고성능의 NVidia GPU 기반 학습 과정입니다.
GPU를 이용한 수치 및 이미지 처리 기반의 머신러닝 모델을 개발 할 수 있는 개발자 양성을 목표로 합니다.
Tensorflow, Keras를 이용한 퍼셉트론, MLP, Deep learning, CNN, RNN, MNIST, CIFAR-10, OpenCV, VGG, Google Cloud 이용 다양한 예측 모델의 응용 제작
과목명 | 모듈 | 세부과정 | 시간 |
---|---|---|---|
Python 기반 머신러닝 | 머신러닝 |
• CPU 기반 Conda를 이용한 Python 3 기반 가상환경 생성 • Tensorflow 2 설치 • Jupyter Notebook 커널 연동, 개발 환경 구성 • 머신러닝 개론 • 선형 회귀(Linear Regression), 성적 예측 모델 구현 • 평균 제곱근 오차(RMSE: Root Mean Square Error) • 정규 분포 난수의 생성, 균등 분포 난수의 생성 • Tensorflow에서의 경사 하강법(gradient decent) • 다중 선형 회귀(Multiple Linear Regression) 모델 • 로지스틱 회귀(Logistic Regression) 모델의 구현, • 퍼셉트론(perceptron), 오차 역전파(Back Propagation) • 기울기 소실 문제와 활성화 함수, 손실 함수 • 수치 예측 모델의 개발 • 이항 분류(Binary Classification) 모델 개발 • 와인의 종류 예측하기(이항 분류(binary classification)), 모델 업데이트 및 저장 • 다중 분류(Multi Classification) 모델 개발 • 아이리스(붓꽃) 품종 예측, 원-핫 인코딩(one-hot-encoding) • GPU 기반, CUDA, cuDNN, Conda를 이용한 Python 3 가상환경 설정 • 컨볼루션 신경망 레이어 CNN 모델 개발 • 미국 국립 표준 기술원(NIST)의 MNIST 이용 모델 제작 • CIFAR-10, OpenCV를 이용한 이미지 인식 모델 개발 • VGG 학습모델 재사용 • 순환 신경망 레이어 RNN 모델 개발 |
35 |
지능형 Web Project |
|
5 | |
합계 | 40 |