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.