Skip to main content
딥러닝개론 및 응용 이미지

딥러닝개론 및 응용




강좌 소개

수업내용/목표

-인공지능,머신러닝,딥러닝을각각정의하고딥러닝의역할과기본용어, 알고리즘을 구술할 수 있다.
- CNN과 RNN을 사용하여 이미지 인식, 자연어 처리 딥러닝을 구축할 수 있다.
- 더 깊은 딥러닝인 'GAN'과 '강화학습'의 개념을 주요 응용분야의 예시를 들며 설명할 수 있다.

홍보/예시 영상

강좌 운영 계획

강의계획서
주차 주차명 차시명 과제
1  파이썬 기본 문법 및 인공신경망  강의개요 퀴즈 3문항
 파이썬 기본 문법 및 환경설치
 인공신경망개요
2  딥러닝 개요  딥러닝 개요(1) 퀴즈 3문항
 딥러닝 개요(2)
 신경망을 이용한 손글씨 데이터 분류
3  머신러닝의 기본요소  머신러닝의 기본요소(1) 퀴즈 3문항
 머신러닝의 기본요소(2)
 영화 리뷰 분류: 이진 분류 예제
4  다중 분류 및 딥러닝 이슈  뉴스 기사 분류: 다중 분류 문제 퀴즈 3문항
 과대적합과 과소적합 해결 예시(1)
 과대적합과 과소적합 해결 예시(2)
5  CNN 기초  합성곱 신경망 퀴즈 3문항
 컨브넷 학습
 컨브넷 학습 예시
6  컴퓨터 비전을 위한 딥러닝  사전 훈련된 컨브넷 사용하기 퀴즈 3문항
 컨브넷 학습 시각화
 사전 훈련된 컨브넷 사용하기 실습
7  텍스트와 시퀀스를 위한 딥러닝  텍스트와 시퀀스를 위한 딥러닝 퀴즈 3문항
 단어 임베딩 사용하기 예시
 순환신경망 이해하기
8 중간고사
9  순환 신경망의 고급 사용법  순환 신경망의 고급 사용법 퀴즈 3문항
 순환신경망을 이용한 기온 예측 실습
 -
10  딥러닝을 위한 고급 도구  케라스의 함수형 API 및 콜백 종류 퀴즈 3문항
 텐서보드 소개
 함수형 API 사용 실습
11  생성모델을 위한 딥러닝-1  LSTM으로 텍스트 생성하기 퀴즈 3문항
 딥드림, 뉴럴 스타일 트랜스퍼
 딥드림 실습
12  생성모델을 위한 딥러닝-2  변이형 오토인코더, 생성적적대신경망(GAN) 퀴즈 3문항
 생성적적대신경망(GAN) 실습
 객체인식
13  강화학습  강화학습(1) 퀴즈 3문항
 강화학습(2)
 강화학습을 이용한 CartPole 게임 실습
14  BERT 등 고급 이슈  BERT와 언어모델 소개 퀴즈 3문항
 영한 번역기 소스코드 설명
 영한 번역기 실습
15 기말고사

강좌운영팀 소개

교수자

유성준 professor
유성준 교수
현) 세종대학교 컴퓨터공학과 교수, 인공지능빅데이터연구센터 센터장
전) 한국전자통신연구원 정보검색연구팀 팀장
시라큐스대학교 전산학박사
E-mail : sjyoo@sejong.ac.kr

강좌지원팀

김동TA
김동TA
세종대학교 컴퓨터공학 석사과정
E-mail : kimdoubled@gmail.com
수업 관련 문의(24시간 이내 답변)
윤학림TA
윤학림TA
세종대학교 컴퓨터공학 박사과정
E-mail : yinhelin0608@gmail.com
수업 관련 문의(24시간 이내 답변)

강좌 수강 정보

이수/평가정보

 

이수/평가정보
과제명 퀴즈 8주차 중간고사 15주차 기말고사
반영비율

30%

: 주차별 3문항 × 13주

각 문항 풀이 기회 2회

종강일까지 응시 가능

35%

: 객관식 10문항

풀이 기회 1회

종강일까지 응시 가능

35%

: 객관식 10문항

풀이 기회 1회

15주차 2일간 응시 가능

※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.

강좌 수준 및 선수요건

컴퓨터공학 전공 심화 과정

교재 및 참고문헌

<케라스 창시자에게 배우는 딥러닝>(길벗, 2019)

자주 묻는 질문

강좌 교재가 따로 있나요?

네. 있습니다. <케라스 창시자에게 배우는 딥러닝>(길벗, 2019)을 주 교재로사용하며,이미지,예제,콘텐츠를 사용하였습니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (Computers & Communication)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    advanced
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    Sejong University
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (주당 01시간 30분)
  5. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    22시간 16분
    (15시간 28분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2020.01.09 ~ 2020.01.30
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2020.01.09 ~ 2020.01.31