파이썬 시작하기

쉬운 예제와 함께 파이썬의 자료형에 대해 공부합니다.

파이썬 기초 둘러보기

파이썬의 기초 문법에 대해 배웁니다. 가장 중요한 파이썬 문법을 적절한 예시와 함께 배웁니다.

리스트, 딕셔너리 다루기

자주 쓰이는 리스트와 딕셔너리를 다루는 함수에 대해 배웁니다. 자주 쓰는 리스트와 딕셔너리와 친해져 봅시다.

이터레이터, 제너레이터, 데코레이터

이름이 비슷한 세가지 객체에 대해 배웁니다. 파이썬만의 매력적인 객체들을 알아봅시다.

람다, 일급 객체

특별한 함수 람다와 파이썬에서 중요한 개념인 일급 객체에 대해 배웁니다.

클로저

일급 객체와 내용이 연결되는 클로저에 대해 배웁니다.

예외 처리

실제로 개발할 때, 요긴하게 쓰일 예외 처리에 대해 배웁니다.

모듈, 패키지, 라이브러리

헷갈리는 개념 3가지를 함께 배우고 어떻게 이용하는지에 대해서도 배웁니다.

클래스

파이썬에서 가장 큰 구조인 클래스에 대해 배웁니다. 헷갈리는 부분도 많지만 시각적인 자료와 차례대로 설명하니 기대해주세요!

프로젝트: 내가 만든 키오스크

이때까지 배운 파이썬을 총 복습하는 시간입니다. 직접 키오스크를 만들어봅시다.

입문 프로젝트: 사각형 넓이 구하기

이때까지 배운 파이썬을 총 복습하는 시간입니다. 사각형 넓이를 구할 수 있는 클래스를 만들어봅시다.

딥러닝이란

인공신경망의 개념, 인공신경망과 딥러닝의 역사를 통해 딥러닝이 무엇인지 알 수 있습니다.

텐서 표현과 연산

텐서란 무엇일까요? 이 노드에서는 텐서 개념, 텐서 데이터 타입을 이해하고, 텐서 연산을 수행해 봅니다.

딥러닝 구조와 모델

딥러닝 모델(네트워크)를 구성하는 레이어에 대한 개념을 이해하고, 딥러닝 모델을 구성하는 방법에 대해서 학습합니다.

딥러닝 모델 학습

딥러닝 모델을 학습하기 위한 개념을 이해하고, 다양한 손실 함수, 옵티마이저, 지표에 대해서 학습합니다.

모델 저장과 콜백

딥러닝 모델을 저장하고 복원하는 방법과 모델 학습 시에 사용할 수 있는 다양한 콜백 함수에 대해 학습합니다.

모델 학습 기술

딥러닝 모델 학습을 위한 다양한 개념과 기술들, 그리고 모델 학습이 잘 안될 경우 발생하는 과소적합/과대적합에 대해 학습합니다. 또한 IMDB 데이터셋을 이용해 긍정/부정 분류를 위한 딥러닝 모델을 만들어봅니다.

모델 크기 조절과 규제

딥러닝 모델의 크기 조절 방법과 효과적인 딥러닝 모델 학습을 위한 다양한 규제 방법(L1, L2, L1+L2)을 학습합니다.

가중치 초기화와 배치 정규화

딥러닝 모델의 효과적인 학습을 위한 가중치 초기화와 배치 정규화를 알아봅니다. Reuters 데이터셋을 이용해 가중치 초기화와 배치 정규화를 실습합니다.

딥러닝 모델 실습

그동안 배웠던 내용을 새로운 데이터셋인 Fashion MNIST에 적용해 봅니다. 특히 빠른 학습과 과대 적합을 방지하는 모델 최적화를 다양하게 실습합니다.

프로젝트: Boston 주택 가격 예측

지금까지 배운 내용을 가지고 실제 딥러닝 프로젝트를 진행합니다. 예측(회귀)에 필요한 딥러닝 모델을 데이터 처리부터 모델 구성 및 학습, 평가와 예측까지 진행하면서 실습합니다.

프로젝트: Reuters 뉴스 주제 분류

텍스트 분류에 필요한 딥러닝 모델을 데이터 처리부터 모델 구성 및 학습, 평가와 예측까지 진행하면서 실습합니다.

심화탐구 프로젝트: CIFAR10 이미지 분류

이미지 분류에 필요한 딥러닝 모델을 데이터 처리부터 모델 구성 및 학습, 평가와 예측까지 진행하면서 실습합니다.

컴퓨터 비전 태스크 “상상”해 보기

컴퓨터 비전 태스크를 알아봅니다.

다층 퍼셉트론(Multi-Layer Perceptron) 구조 복습하기

다층 퍼셉트론(Multi-Layer Perceptron)의 구조와 MLP 의 한계를 이론과 실습을 통해 알아봅니다.

CNN 하나씩 이해하기 (1) 1-Channel Convolution

1-Channel Convolution, filter, padding을 학습합니다.

CNN 하나씩 이해하기 (2) 3-Channel Convolution

Channel이 3개일 때 1-layer의 Convolution 연산, Hyper-Parameter, 1x1 Convolution, Transposed Convolution을 학습합니다.

CNN 하나씩 이해하기 (3) Pooling

Pooling에 대해 알아보고 CNN을 구현해 봅니다.

심화된 CNN 구조

GoogLeNet과 ResNet의 구조를 이론과 코드를 통해 살펴 봅니다.

Transfer Learning 이해하기

대규모 학습의 어려움을 이해하고, 이론과 코드를 통해 transfer learning을 학습합니다.

Object Detection

Object Detection의 발전 과정을 알아보고, R-CNN을 통해 Object Detection을 깊게 이해해 봅니다.

Segmentation

Semantic segmentation과 Instance segmentation을 비교하고, U-Net 구조를 통해 segmentation을 깊게 이해합니다.

프로젝트: Image Classification

VGG16을 활용한 이미지 분류 프로젝트를 수행합니다.

심화탐구 프로젝트: Object Detection

Faster R-CNN을 활용한 Object Detection 프로젝트를 수행합니다.