딥러닝 네트워크의 연산

딥러닝 네트워크가 어떤 연산을 통해 출력을 만들어내는지 배웁니다.

클래스 소개
난이도
보통
카테고리
프로그래밍 - 인공지능
태그
딥러닝, 텐서플로우, 파이썬
소요 시간
약 10시간
추천 학습대상
- 딥러닝 입문자
- [L4DL Project]에 참여하고 싶으신 분




강좌의 특별함 딥러닝 제대로 이해하기 딥러닝을 공부할 때 단순히 모델을 만들고 학습 시켜보는 것만으로는 장기적으로는 큰 의미가 없습니다. 딥러닝을 제대로 이해하기 위해서는 딥러닝 네트워크가 어떤 연산을 이용해 출력을 계산하는지에 대한 이해가 필요합니다. 실제로 딥러닝은 다음과 같은 과정을 통해 만들어집니다. 우리가 집중적으로 배워야 할 부분은 바로 Model Training 과정이죠.




이 강좌에서는 Model Prediction과 Loss Calculation에 해당하는 Forward Propagation을 집중적으로 다룹니다. 완강 후에는 Convolutional Neural Network가 어떤 과정을 통해 출력을 만들어내는지 확인할 수 있습니다. 그리고 하나씩 쌓아올린 탄탄한 개념을 바탕으로 딥러닝에 대한 심도 있는 이해를 얻게 될 거예요.



함께 배워볼 거예요 01 합성곱 신경망(CNN)


딥러닝이 가장 처음 도입된 분야는 이미지 분류입니다. 딥러닝을 이해하기 위한 가장 기초적인 모델로 LeNet, AlexNet, VGGNet과 같은 이미지 분류기가 언급되는 이유이기도 합니다. 따라서 이 강좌에서도 Convolutional Neural Network에 관한 네트워크에 연산을 집중적으로 파헤쳐 보려고 합니다.


02 텐서플로우를 활용해 구현하기


이론에서 배운 내용이 실제로 어떻게 구현되는지도 알아야겠죠? 우리는 Tensorflow를 이용해 딥러닝에서 사용하는 가장 기본적인 Layer인 Dense Layer, Convolutional Layer, Max/Avgerage Pooling Layer, Softmax Layer를 직접 만들어 보고, 연산도 직접 만들어보면서 이론으로 배운 내용이 Tensorflow에서 어떻게 구현되어 있는지 확인해 봅니다.


03 네트워크 매개변수




추천 수강자 이런 분께 추천해요



  • 딥러닝에 입문하시는 분
  • [L4DL Project]의 첫 번째 강좌가 궁금하신 분



강의자 소개 딥러닝은 저만 믿고 따라오세요


유튜브 채널을 통해 딥러닝에 관한 짧고 굵은 지식을 나누고 있습니다.


  • [과학기술정보통신부] AI 이노베이션 스퀘어 - 딥러닝 강사
  • [런어데이] 딥러닝을 위한 파이썬 레벨1 강사
  • [런어데이] 딥러닝을 위한 파이썬 레벨2 강사
  • [런어데이] 데이터 시각화를 위한 파이썬 강사
  • [런어데이] Forward Propagation of Neural Networks 강사
  • [Youtube] Shin's Lab 운영(신호처리, 수학, 프로그래밍)
  • [패스트캠퍼스] 수학적으로 접근하는 딥러닝 강사
  • [패스트캠퍼스] Byte Degree: Deep Learning Essentials 리뷰어
  • [Edwith] 교수자
  • [광운대학교] 파이썬 및 영상처리 세미나 리더


📣 알려드립니다. - Learning 4 Deep Learning(L4DL) 프로젝트의 모든 강좌는 Private Slack 채널을 통해 질의응답을 주고받고 있습니다. - Slack 채널은 이 강좌를 수강하신 모든 분들이 가입하실 수 있으며 가입 신청 방법은 Chapter1에서 확인해 주세요. - 강좌와 관련된 질문은 Slack 채널을 이용해 남겨주세요. 빠르게 확인하고 답변드리겠습니다.

교육 과정
모두 펼치기
  • 01
    Introduction to the Course
  • Lecture0-1: Introduction
    슬랙(Slack) 커뮤니티 가입 신청
    Lecture0-2: CoLaboratory
  • 02
    Artificial Neurons
  • 강의자료 다운로드
    [이론강의] Lecture.1-1: Parametric Functions and Datasets
    [이론강의] Lecture.1-2: Artificial Neurons
    [구현강의] Lecture.1-3: Affine Functions
    [구현강의] Lecture.1-4: Affine Functions
  • 03
    Dense Layers
  • 강의자료 다운로드
    [이론강의] Lecture.2-1: Dense Layers
    [이론강의] Lecture.2-2: The First Dense Layer
    [이론강의] Lecture.2-3: Generalized Dense Layers
    [이론강의] Lecture.2-4: Minibatches in Dense Layers
    [구현강의] Lecture.2-5: Dense Layers
    [구현강의] Lecture.2-6: Cascaded Dense Layers
    [구현강의] Lecture.2-7: Model Implementation with Dense Layers
  • 04
    Sigmoid and Softmax
  • 강의자료 다운로드
    [이론강의] Lecture.3-1: Logit and Sigmoid
    [이론강의] Lecture.3-2: Softmax Layer
    [구현강의] Lecture.3-3: Binary Classifiers
    [구현강의] Lecture.3-4: Multi-class Classifiers
  • 05
    Loss Functions
  • 강의자료 다운로드
    [이론강의] Lecture.4-1: Mean Squared Error
    [이론강의] Lecture.4-2: Binary Cross Entropy
    [이론강의] Lecture.4-3: Categorical Cross Entropy
    [구현강의] Lecture.4-4: Toy Datasets for Regression and Binary Classification
    [구현강의] Lecture.4-5: Toy Datasets for Multi-class Classification
    [구현강의] Lecture.4-6: MSE and BCE
    [구현강의] Lecture.4-7: SCCE and CCE
  • 06
    Convolutional Layers
  • 강의자료 다운로드
    [이론강의] Lecture.5-1: Image Tensors and Classical Correlation
    [이론강의] Lecture.5-2: Computations of Conv Layers
    [이론강의] Lecture.5-3: Conv Layers for Multi-channel Input
    [구현강의] Lecture.5-4: Conv2D Layers
    [구현강의] Lecture.5-5: Conv2D with Filters
    [구현강의] Lecture.5-6: Model Implementation with Conv2D Layers
  • 07
    Pooling Layers
  • 강의자료 다운로드
    [이론강의] Lecture.6-1: Pooling Layers
    [구현강의] Lecture.6-2: Max and Average Pooling Layers
    [구현강의] Lecture.6-3: Padding and Strides
  • 08
    Convolutional Neural Networks
  • 강의자료 다운로드
    [이론강의] Lecture.7-1: Convolutional Neural Networks
    [구현강의] Lecture.7-2: Shapes in CNNs
    [구현강의] Lecture.7-3: CNN Implementation
    [구현강의] Lecture.7-4: LeNet Implementation
마지막 업데이트|2021년 06월 29일
강의자 소개
안녕하세요. 구름에듀 캡틴 Shin's Lab입니다. 함께 학습을 시작해봐요!

강좌 후기
39,000

평균평점
5.0
난이도
보통
수강기간
평생 무제한
소요 시간
약 10시간