메뉴 바로가기 검색 및 카테고리 바로가기 본문 바로가기

한빛출판네트워크

딥러닝 퀵스타트 : 파이토치편

리얼타임 EDU #07

  • 강사 : 최건호
  • 교육기간 : 2018 5/12(토), 5/19(토), 5/26(토), 6/2(토), 6/9(토), 6/16(토), 6/23(토), 6/30(토) / 교육시간 10:00 ~ 13:00(3시간씩 8번, 총 24시간)
  • 신청마감 : 2018-05-11
  • 모집인원 : 30 명
  • 장소 : 한빛빌딩 A동 2층 강의실40(홍대입구역 4, 5번 출구)
  • 지도 : 지도보기
닫기
초급 초중급 중급 중고급 고급
0점 (0명)
좋아요 : 31

 

undefined

 

 Q: 혹시 이런 고민 있으셨나요? 

"텐서플로를 업데이트했더니 기존 코드를 또 수정해야 하네."

"텐서플로는 Define and Run 구조라서 디버깅이 쉽지 않아 고민이다."

 

 A: "이제 딥러닝은 파이토치로 입문하세요!"

 '파이토치'는 텐서플로보다 코드가 간결하고 디버깅이 쉬울 뿐 아니라 기존 파이썬 라이브러리와의 호환성도 뛰어나 모델을 빠르게 구현할 수 있어 딥러닝 입문에 최적입니다. 

그래서 알고리즘이나 모델을 빠르게 구현하고 검증해야 하는 연구 목적으로 파이토치가 널리 쓰이고 있습니다.


 

'딥러닝 퀵스타트: 파이토치편'pytorch-kr 페이스북 그룹 운영자가 직접 가장 쉬운 딥러닝 입문의 길을 안내합니다. 

 

파이토치 설치부터 선형회귀분석, 인공신경망, 컨볼루션 인공신경망, 순환신경망까지 AWS GPU 인프라를 이용해 실습하고 제대로 딥러닝을 배워보세요. 

 

이번 강의를 열심히 따라가시면요! 

● 딥러닝 모델 학습의 원리와 구조를 이해하게 됩니다.

● 최신 딥러닝 논문을 읽고 실제로 구현해볼 수 있습니다.

 

이번 강의의 특징 

● 텐서플로보다 이해와 디버깅이 쉬워 딥러닝 입문자에게 제격입니다. 

● 파이토치 설치부터 모델 구현 그리고 활용법까지 제대로 알려드립니다.

● 파이토치로 딥러닝 모델을 구현할 때 겪을 수 있는 문제로 무엇이 있고, 해결할 수 있는 노하우도 알려드립니다.

● 느린 노트북으로 실습은 그만! 수강생 전원에게 AWS GPU 인프라를 제공해 드립니다. (강의 기간 중 금,토,일)

PyTorch Korea 페이스북 그룹 운영자가 직접 딥러닝의 세계로 인도합니다. 

   8주동안 파이토치 설치부터 선형회귀분석, 인공신경망, 컨볼루션 인공신경망, 순환신경망까지 파이토치로 함께 구현하며 실습합니다.

 

▷ 강의 자료 & 실습자료 다운로드

교육 소개서 다운로드 

 

3D_Regression.gif

 

ANY_0404150911.gif

 

 

강의를 등록하시기 전에 확인해 주세요. 

 

[선수 지식]

● 파이썬 기초, 선형대수, 머신러닝 기초에 대한 선수 지식이 필요합니다.

● 한빛미디어의 딥러닝 기본서인 <신경망 첫걸음>이나 김성훈 교수님의 [모두를 위한 딥러닝 강좌] 유튜브 강의를 이해했다면 본 강의를 충분히 따라 갈 수 있도록 커리큘럼이 구성되어 있습니다.

 

[준비물]

● 실습이 포함된 교육입니다. 반드시 노트북을 지참하시기 바랍니다.

(AWS GPU 인프라를 제공하기 때문에 노트북 성능은 크게 중요하지 않습니다.)

 

[문의사항]

event@hanbit.co.kr

▷교육 소개서 다운로드 


[알림]

정원 미달 시 강의가 연기될 수 있습니다 

 

[환불 안내]

● 주문 상태가 [결제 완료]인 건은 수강생이 결제를 직접 취소할 수 있습니다.

● 주문 상태가 [거래 완료]인 경우에는 고객센터(support@hanbit.co.kr, 02-336-7130)로 환불 신청을 해야 하며, 신청된 취소 건은 행사 당일에 일괄 취소됩니다.(행사일이 휴일인 경우 돌아오는 평일에 환불 처리됩니다.)

 

사전 등록 하기(특별 할인 30% OFF)
한빛미디어 강의실 상세 안내

 

새롭게 이전하여 쾌적한 한빛미디어 강의실에서 교육이 진행됩니다.  

undefined

 

undefined

 

최건호 강사

최건호

딥러닝 엔지니어. 연세대학교 컴퓨터과학과 및 경영학과를 졸업하고 라프텔, 딥바이오, 토모큐브에서 인공지능 연구원으로 근무했다. 또한 패스트캠퍼스, SK플래닛, T아카데미, 인터파크에서 파이토치를 사용한 인공지능 강의를 진행했다. 지금까지 7편의 논문에 참여했으며 파이토치 코리아(www.facebook.com/groups/PyTorchKR) 운영진으로 활동하고 있다.

 

 

 8주 과정: 

- 2018년 5월 12일(토) 10:00 ~ 13:00

2018년 5월 19일(토) 10:00 ~ 13:00

- 2018년 5월 26일(토) 10:00 ~ 13:00

 

........................................................

2018년 6월  2일(토) 10:00 ~ 13:00

- 2018년 6월  9일(토) 10:00 ~ 13:00 

2018년 6월 16일(토) 10:00 ~ 13:00

- 2018년 6월 23일(토) 10:00 ~ 13:00

2018년 6월 30일(토) 10:00 ~ 13:00

........................................................

 

<딥러닝 퀵스타트, 파이토치>편에서는 무엇을 배우게 되나요? 

 

▷ 강의 자료 & 실습자료

회차 날짜 주제 상세 소개
1 2018. 5. 12(토) 딥러닝과 파이토치 그리고선형회귀와 뉴럴넷

딥러닝에 대한 전반적인 개요와 함께 파이토치를 소개 드리고 Gradient Descent를 이용한 학습 방법과 뉴럴 네트워크에 대하여 알아봅니다. 

 

- 파이썬 기초

- 프레임워크 비교

파이토치 텐서 기본 사용법

- Automatic Gradient Calculation

선형회귀모델

선형회귀모델의 한계

인공신경망 모델 - 2차함수근사

인공신경망 모델 - 3차함수근사

인공신경망 모델 - 2D데이터

2 2018. 5. 19(토) Convolutional Neural Network-기본  컨볼루션 연산 기초 및 CNN 기본 구조를 알아봅니다. 
CNN 기본 모듈
NN으로 MNIST 풀어보기
- CNN으로 MNIST 풀어보기
CNN으로 CIFAR10 풀어보기
3 2018. 5. 26(토) Convolutional Neural Network -심화 ImageNet Challenge에서 좋은 성과를 냈던 모델들을 알아봅니다. 
-  Custom Data 불러오기
- VGGNet 구현해보기
- GoogLeNet 구현해보기
- ResNet 구현해보기
4 2018. 6. 2(토) Recurrent Neural Network - RNN 직접 만들어보기
LSTM 튜토리얼
LSTM으로 문장 기억하기
- nn.Embedding 사용법
Shakespeare 문체 모방하기-RNN
Shakespeare 문체 모방하기-GRU
Shakespeare 문체 모방하기-LSTM

5 2018. 6. 9(토)  딥러닝 모델 학습시 문제점과 해결방안 - Dropout - Data Augumentation- Weight Initialization- Learning Rate Scheduler- Data Normalization- Batch Normalization- Gradient Descent Variants
6 2018. 6. 16(토) Style Transfer 기본적인 Style Trasnfer 설명하고 구현해봅니다.
- Transfer Learning Basic 학습된 모델에서 원하는 부분만 뽑아내고 학습시키기
- Style Transfer 명화의 그림체 모방하기
- t-SNE Visualization 뽑아낸 스타일들이 어떻게 분포하는지 확인해보기
7 2018. 6. 23(토) Autoencoder & Transported Convolution Autoencoder의 개념과 활용 방법에 대하여 알아본 후 함께 구현헤 봅니다. 
- Embedding Vector는 어떻게 분포하고 있을까? (돌아온 t-SNE
-  Convolutional Autoencoder (CNN + Autoencoder)
- Convolutional Denoising Autoencoder (Noise + CNN + Autoencoder)
- Variational Autoencoder (latent vector z~N(0,I))
- Convolutional Variational Autoencoder
- Convolutional VAE Latent Space Interpolation
8 2018. 6. 30(토) Generative Adversarial Networks GAN 모델 학습 원리를 알아보고 구현 방법을 설명합니다.
- DCGAN (CNN + GAN)
- InfoGAN (Mutual Information Maximizing + GAN)

결재하기

리뷰쓰기

닫기
* 도서명 :
딥러닝 퀵스타트 : 파이토치편
* 제목 :
* 별점평가
* 내용 :

* 리뷰 작성시 유의사항

글이나 이미지/사진 저작권 등 다른 사람의 권리를 침해하거나 명예를 훼손하는 게시물은 이용약관 및 관련법률에 의해 제재를 받을 수 있습니다.

1. 특히 뉴스/언론사 기사를 전문 또는 부분적으로 '허락없이' 갖고 와서는 안됩니다 (출처를 밝히는 경우에도 안됨).
2. 저작권자의 허락을 받지 않은 콘텐츠의 무단 사용은 저작권자의 권리를 침해하는 행위로, 이에 대한 법적 책임을 지게 될 수 있습니다.

오탈자 등록

닫기
* 도서명 :
딥러닝 퀵스타트 : 파이토치편
* 구분 :
* 상품 버전
종이책 PDF ePub
* 페이지 :
* 위치정보 :
* 내용 :
닫기

해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
장바구니로 이동하시겠습니까?

자료실

최근 본 책0