AI프레임워크

동명대학교
안현식

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

공학 >컴퓨터ㆍ통신 >컴퓨터과학
강의학기

2024년 1학기

조회수

1,880

강의계획서

AI프레임워크로서 Tensorflow, Keras, Pytorch를 활용하여 ANN, MLP, CNN, 최신 CNN 모델, RNN, lSTM, NLP, 생성형 딥러닝 등 분야에 대해 중급 딥러닝 전문가로서의 이론을 바탕으로 한 응용 프로그래밍 역량을 키울 수 있도록 한다.

차시별 강의

1.	수업개요 및 AI의 역사와 종류	수업개요 및 인공지능의 역사와 종류를 정리한다.
	인공지능 개발환경	인공지능 개발환경에 대해 이해하고 실습한다.
	파이썬 요약	인공지능 언어인 Python을 요약한다.
2.	프셉트론	신경망의 초기모델인 퍼셉트론을이해한다.
	손실함수와 경사하강법	프셉트론의가중치와 바이어스 및 경사하강법에대해 이해한다.
	ANN 실습	ANN의 프로그래밍으로 실제 응용 학습을 한다.
3.	다층퍼셉트론	다층프셉트론의원리를 이해한다.
	역전파알고리즘	역전파알고리즘의 유도과정과 원리를 이해한다.
	MLP실습	MLP를 구현하여 적용 실습을 한다.
4.	Tensorflow	텐스플로우의구조와 실행방법을 소개한다.
	MNIST	MNIST 데이터셋의 이해와 적용에 대해 이해한다.
	활성화 함수	텐스플로우를이용하여 MNIST 를 학습하고 테스트 한다.
5.	CNN과 Convolution	CNN의 원리와 Convolution을 설명한다.
	CNN 모델	CNN 모델과 Max Pooling과 Flatterning을 설명한다.
	CNN 실습	CNN을 MNIST를 입력하여 실습한다.
6.	Keras	Keras의 구조를 설명하고 설치하는 방법을 익힌다.
	Keras실습	Keras를 이용한 모델 표현 방법을 익히고 학습과 테스트를 MNIST 데이터셋으로 실습한다.
	교차엔트로피	그래디언트 소실 문제와 교차 엔트로피를 이해한다.
7.	딥러닝 데이터셋	영상 데이터셋에 대해 설명한다.
	최신 CNN 모델1	LeNet의 모델과 알고리즘을 소개한다.
	최신 CNN 모델2	VGG 모델과 ResNet의 모델 알고리즘을 소개한다.
9.	최신 CNN 모델 실습	Yolo와 최신 CNN 모델을 실습한다.
	과잉적합	오버피팅과 극복 방법에 대해 설명한다.
	성능개선	데이터 증대, 드롭아웃, 가중치 감쇠를 이해한다.
10.	전이학습	전이학습의 원리와 응용에 대해 설명한다.
	성능평가	성능평가의 의미와 기준에 대해 설명한다.
	전이학습과 평가 실습	물체검출용 성능평가 기준에 대해 이해하고 성능평가를 실습한다.
11.	Pytorch와설치	파이토치의설치와 GPU 환경 구축을 설명한다.
	Pytorch와 딥러닝모델	파이토치의특성과 기능을 설명한다.
	Pytorch실습	파이토치로딥러닝모델을 구현해 본다.
12.	RNN	순환 신경망의 작동 원리를 이해한다.
	LSTM	LSTM의 작동 원리를 이해한다.
	RNN/LSTM 실습	순환 신경망을 이용한 응용 프로그램을 작성해본다.
13.	NLP	자연언어처리의 기능에 대해 이해한다.
	워드임베딩	단어를 실수의 벡터로 변환하는 워드 임베딩을이해한다.
	NLP실습	자연어 처리 시스템의 구조를 이해하고 실습한다.
14.	생성형모델	생성모델을 이용한 영상 처리에 대해 이해한다.
	오토엔코더	오토엔코더의 기능에 대해 이해한다.
	GAN	적대적 신경망의 기능에 대해 이해한다.