온앤오프 TensorFlow를 이용한 딥러닝
| 교육일정 | |
|---|---|
| 교육시간 | 3일, 20시간 / [월화] 09:00~18:00, [수] 09:00~13:00 |
| 교육장소 | 서울본부(강의장 추후 개별 안내) |
| 고용보험 | 고용보험 비환급 ? |
|
교육비
|
정상가 750,000 원 KPC 유료법인회원 690,000 원 |
| 교육문의 | ICT교육센터 김지은 / 02-724-1218 / jekim@kpc.or.kr |
교육시간
[월화] 09:00~18:00, [수] 09:00~13:00
교육목적/특징
■ 딥러닝의 개요와 활용사례를 이해할 수 있다.
■ 딥러닝 프레임워크 중 하나인 TesnsorFlow를 딥러닝 개발환경에 활용할 수 있다.
■ TesnsorFlow와 딥러닝 알고리즘을 활용하여 딥러닝 네트워크를 구현할 수 있다.
■ 딥러닝을 이용하여 제시된 문제를 해결할 수 있다.
교육대상
■ 딥러닝 애플리케이션 개발자
■ 딥러닝 환경 설계자
■ 인공지능 입문자
※ 온앤오프 진행방식은 개강일 1주일 전 선호도 조사 결과에 따라 진행방식이 결정됩니다. 온앤오프 병행 수업으로 진행되거나, 온라인(또는 오프라인) 희망자가 소수인 경우 오프라인(또는 온라인) 전용 과정으로 진행될 수 있으니 이점 참고하여 주시기 바랍니다. |
교육내용
일자 | 내용 | |
|---|---|---|
1일차 | 4H | [Phase 01] 딥러닝의 개요 - 딥러닝 개요 및 활용사례 - 실습환경 준비(Jupyter Notebook, Tensorflow) |
4H | [Phase 02] Tensorflow 소개 - Tensorflow 소개 - Tensorflow를 이용한 기초 실습 - Tensorflow를 이용한 MNIST 실습 - Tensorflow를 이용한 엑셀, CSV파일 기반 실습 | |
2일차 | 4H | [Phase 03] 심층 신경망(Deep Neural Network) - DNN(Fully Connected) 이해 - 활성화 함수와 손실 함수 - 오차 역전파 - 최적화 |
4H | [Phase 04] 합성곱 신경망(Convolutional Neural Network) - CNN 이해 - CNN 네트워크 구성 - CNN을 이용한 MNIST 실습 - CNN 기반의 실제 이미지를 활용한 분류 실 | |
3일차 | 4H | [Phase 05] 순환 신경망(Recurrent Neural Network) - 시계열(특정 시간 간격으로 수집된) 데이터 이해 - RNN 아키텍처 이해 - RNN 아키텍처의 문제점 이해 - LSTM(Long Short-Term Memory) 이해 - LSTM 실습(주가 예측 등) |
* 본 교육과정은 개강일 기준으로 약 7일 전 개강 여부를 확정하며, | ||
수강후기
연관 자격
| 자격증명 | 자격증관련링크 |
|---|
