[HD]딥러닝 전문가 과정 (Pytorch 초급) Part.4

[HD]딥러닝 전문가 과정 (Pytorch 초급) Part.4

40,000원
  • 지원유형
    • 평생교육이용권
  • 학습기간
    수료여부 관계없이 복습 12개월 추가 제공
  • 수료기준 진도 80% 이상
주문금액
40,000원
연관강의

comment

알아두면 바로 쓰이는 CNN의 등장 배경과 합성곱(Convolutio·CNN 전체 네트워크, 직접 경험해보세요.

미리보기
학습방법 : HTML5 ( PC
, 스마트폰, 타블렛
)
학습시간 : 8시간 10차시
난이도 : 향상
강의목표

-.CNN의 공간적 특징 추출 원리를 이해하여 최적의 분류 모델을 설계하고, 임베딩과 QKV 기반의 어텐션 알고리즘을 통해 생성형 모델의 텍스트 생성 원리를 파악합니다

강의소개

-. CNN을 통한 이미지 인식 모델의 구축 및 학습부터 텍스트 생성과 어텐션 메커니즘 등 트랜스포머의 기초 원리까지 실전 딥러닝 기술을 다루는 과정입니다

학습대상

-.완전 연결층 등 기초 신경망 지식을 보유하고, 파이토치를 활용한 실전 CNN 구현 및 트랜스포머(생성형 AI)의 내부 동작 원리를 깊이 있게 배우고자 하는 학습자입니다

제공서류
수료증수료시 발급가능
수강증명서학습시작 이후 발급가능
수료기준
필수평가 : 진도 (80% 이상)
총점 80 점 이상시 수료
학습기간
30일 + 무료복습기간 360일
✅ 학습기간 + 무료복습기간 내 무제한 반복 수강 가능!
- 실제 해당 강의의 커리큘럼은 복습기간을 포함하지 않는 30일 입니다.
학습목차
[HD]딥러닝 전문가 과정 (Pytorch 초급) Part.4
1. CNN의 등장 배경과 합성곱(Convolution) 원리 이해
62 분
2. CNN 전체 네트워크 구조 설계와 풀링(Pooling)의 역할
42 분
3. 파이토치 신경망 구축: Module과 Functional API 차이
34 분
4. CNN 모델 학습 루프 구현과 정확도 평가 및 모델 저장
54 분
5. 좋은 CNN 설계를 위한 핵심 감각과 모델 최적화 전략
34 분
6. 생성형 모델 기초: 텍스트 생성과 자기지도 학습 입문
42 분
7. 바이그램(Bigram) 모델을 활용한 문자 시퀀스 통계 분석
57 분
8. 생성 모델을 위한 서브시퀀스 구성과 임베딩(Embedding) 원리
52 분
9. 선형층(MLP) 기반 텍스트 생성 모델 구현과 반복 추론
36 분
10. 어텐션(Attention) 메커니즘의 원리: Query, Key, Value
47 분