multi-layer perceptron, CNN, transformer 등 최신 딥러닝 모델을 이해하기 위한 필수 배경 지식을 빠르게 복습하고 이를 바탕으로 최신 딥러닝 architecture에 대한 이해를 높여서 실무에서 딥러닝을 보다 효과적으로 활용할 수 있는 능력을 갖추도록 한다.해당 주차일에 강의가 열리며, 지나간 강의는 언제든지 볼 수 있음주차주차명(주제)차시차시명(학습내용)평가방법1Multi-layer Perceptron (MLP)와 Backpropagation1-1MLP 소개와 기본 구조 ntro SDV퀴즈1-2MLP의 학습 알고리즘1-3MLP를 사용한 간단한 예제와 실습2Convolutional Neural Networks (CNNs)1-1CNN 소개와 기본 구조퀴즈1-2CNN의 핵심 구성 요소1-3CNN을 이용한 이미지 분류 및 객체 감지3Modern CNN Architectures1-1Batch Normalization퀴즈1-2VGG, ResNet, Inception RCNN과 객체 검출1-3실습: AlexNet 모델 구축 및 CIFAR-10 데이터셋 분류4Recurrent Neural Networks (RNNs)1-1RNN 소개와 기본 구조퀴즈1-2LSTM(Long Short-Term Memory)과 GRU(Gated Recurrent Unit1-3실습: 시계열 데이터를 사용한 RNN 모델 구축5Transformer1-1Transformer 소개와 기본 구조퀴즈1-2Attention 메커니즘 및 트랜스포머 아키텍처1-3실습: 트랜스포머 모델 구축과 자연어 처리6Lightweight neural network1-1네트워크 경량화 방법 소개퀴즈기말평가(과제)1-3실습: 네트워크 경량화 적용* 평가점수 및 이수증 발급기준구분퀴즈기말평가합계비율50%50%100%* 이수 기준: 총점 70점 이상 및 동영상 모두 시청...