PyTorch로 시작하는 딥러닝 입문 CAMP
기 간 2017년 10월 14일 ~ 12월 16일 (총 10회)
일 정 매주 토요일 오후 2시 ~ 5시
(주 1회, 회 당 3시간)
준비물 개인 노트북 사용 권장
장 소 패스트캠퍼스 강의장
문의 코스매니저 윤형진 (02-517-0641)
help.camp.ds@fastcampus.co.kr

왜 PyTorch를 배워야 하는가?


널리 사용되는 것이 TensorFlow일지라도,
딥러닝 구현 자체가 목표라면 쉽고 빠르게 배워야 하기 때문입니다.

TensorFlow로 딥러닝 구현을 하다 어려움을 겪었다면,
지금 당장 PyTorch를 시작해보세요!

PyTorch의 강점은 무엇인가?

ezgif.com-video-to-gif (7)

간편한 설치

이해와 디버깅이 쉬운 직관적이고 간결한 코드 구성

Define-by-run 방식을 기반으로 한 실시간 결과값 시각화

파이썬 library와의 높은 호환성

Winograd convolution algorithm 기본 적용을 통한 빠른 모델 훈련

PyTorch로 10주만에 당신도 딥러닝 구현할 수 있습니다.

GIF

정답 없이 스스로 데이터 자체에서 학습하는 딥러닝 기술의 신예, GAN을 구현한 실습예시입니다.

GIF2

사진과 사진의 전환이 가능한 딥러닝 기술로 위성사진을 지도로 변환한 U-Net 실습 예시입니다.

딥러닝 구현, 기초부터 실무까지 정복하는 강의 강점

PyTorch 사용법부터
설치 실습까지

TensorFlow에 막혀 PyTorch를 접해보지 못한 왕초보도 바로 따라할 수 있도록 PyTorch 설치부터 딥러닝 구현을 위한 사용법에 대해 하나 하나 가르쳐 드립니다.

딥러닝의 다양한
알고리즘 이해

딥러닝 학습 시 겪는 문제점과 해결 방안을 먼저 배워, 다양한 알고리즘을 체계적으로 이해하고 추후 발생할 수 있는 문제에 대해 대처할 수 있도록 도와드립니다.

혼자서도 해내는
딥러닝 구현

다양한 예제의 코드를 직접 구현해보는 실습으로 수강생 여러분 스스로 원하는 딥러닝 모델을 완성하고, 수강 후에는 API 만 보고도 원하는 결과를 출력하실 수 있습니다.

수강 대상

딥러닝을 TensorFlow로 시도하면서
어려움을 겪은 개발자/ 연구원

딥러닝의 개념을 정리하고
PyTorch를 사용하고 싶은 개발자/ 연구원

더 효과적인 수강을 위해, 이 강좌를 미리 보고 오시면 좋습니다.

asd

아래 버튼을 클릭하시면, [ 모두를 위한 딥러닝 강좌 ]로 연결됩니다. 단, 해당 강좌는 TensorFlow로 실습이 진행되니, 전체적인 딥러닝 개념을 잡는 정도로만 수강하신 후 본 CAMP에 참석하시면 됩니다.

정말 내가 들어도 되는 강의인지 체크해보세요!

본 강의는 Python에 기반을 둔 딥러닝 라이브러리 PyTorch로 진행되기 때문에 다음과 같은 파이썬 기본 개념을 알고 계신 상태에서 수강하실 것을 권장 드립니다. 아래 질문에 답하고 나에게 맞는 강의인지 확인해 주세요.

파이썬이 개인 laptop에 설치되어 있다.

파이썬에서 list, tuple, dictionary가 무슨 의미인지 알고 있다.

조건문 if 나 반복문 for/ while이 어떻게 구성되는 개념인지 알고 있다.

파이썬에서 def가 무엇을 위한 명령어인지 알고 있다.

파이썬 스크립트를 읽어 보면 무슨 의미인지 어느 정도 해석할 수 있다.

3개 이상 해당되신다면, 본 강의를 수강하셔도 좋습니다!

3개 미만에 해당 되신다면, 문의주세요!

PyTorch 딥러닝 A to Z를 전수해주실 강사님 소개

unnamed (1)

최건호 강사님

[ 약력 ]

페이스북 PyTorch 한국 사용자 그룹 운영진
– PyTorch, TensorFlow code 및 tutorial Github 운영중
– (前) DeepBio 딥러닝 연구원
– (前) Laftel 딥러닝 연구원
– 연세대학교 컴퓨터과학과 및 경영학과 졸업

저도 처음에는 TensorFlow밖에 몰랐어요. PyTorch를 사용해보니, 코드도 간결하고 데이터를 불러오는 것도 더 빠르고 쉬웠습니다. 협업도 쉽고 바로 결과물을 보여주기에도 효과적이더라고요. PyTorch를 사용해보신 분들이 흔히 하는 말로, ‘한번 PyTorch로 넘어가면 다시 안 돌아온다’고 합니다. 딥러닝은 TensorFlow를 반드시 알아야 한다는 고정관념에서 벗어나 PyTorch로 더 쉽게 간단하게 구현할 수 있다는 것을 알리고 싶었어요. 그리고 딥러닝을 혼자 공부하다가 어려움을 겪으신 분들에게 도움을 드리기 위해 이 강의를 준비하였습니다.

수강생 분들을 위해 강사님의 노하우가 담긴 PyTorch Github을 공개합니다.

강의 개요 및 커리큘럼

way to study
주차 내용
Part 1. PyTorch로 딥러닝을 시작해보기

5주 동안 PyTorch에 익숙해지는 과정이 진행됩니다. 딥러닝과 PyTorch의 개요부터 설치법, 기본 사용법, CNN과 RNN까지 딥러닝에 입문하기 위한 핵심 개념과 PyTorch 사용법을 배웁니다.
1 Introduction
- 딥러닝의 개요
- PyTorch의 개요
- 다른 딥러닝 라이브러리와의 비교
- PyTorch 설치 및 기본 패키지
2 Linear Regression & Artificial Neural Network
- Tensor의 기본 사용법
- 변수 지정 및 모델 생성
- Cost Function
- Gradient Descent Method
- Artificial Neural Network의 요소
- Backpropagation
3 Convolutional Neural Network (CNN) 1
- CNN의 발달 배경
- CNN의 연산 과정
4 Convolution Neural Network (CNN) 2
- AlexNet
- ZFNet
- VGGNet
- GoogleNet
- ResNEt
- Inception-ResNet
5 Recurrent Neural Network (RNN)
- RNN의 발달 배경과 연산 과정
- RNN의 한계 및 개선 방안
- RNN에서 파생된 다양한 모델
Part 2. 다양한 딥러닝의 알고리즘을 PyTorch로 구현해보기

먼저 딥러닝 구현에 앞서 발생할 수 있는 문제점에 대한 해결방안을 배웁니다. 4주 동안 다양한 딥러닝 구현 알고리즘을 익히고 지금까지 배운 내용을 바탕으로 직접 딥러닝을 구현해보는 실습을 진행합니다.
6 딥러닝 학습 시 발생하는 문제점과 해결 방안
- Overfitting & Underfitting
- Vanishing Gradient Problem
- Optimizers
- Loss Functions
- Hyperparameter Optimization
- Batch Normalization
7 Neural Style Transfer
- Transfer Learning
- Neural Style Transfer의 학습 원리
- 이미지 유사도에 따른 분포 및 시각화(t-SNE)
8 Autoencoder
- Autoencoder의 학습 원리
- Convolutional Autoencoder
- Variational Autoencoder
9 Generative Adversarial Networks (GAN)
- GAN의 학습 원리
- GAN에서 파생된 다양한 모델: InfoGAN, DCGAN, DiscoGAN
10 Applications
- Detection: R-CNN, SPPNet, Fast R-CNN, Mask R-CNN
- Segmentation: FCN, Deconv-Net, U-Net, Fusion-Net, PSPNet
- Captioning: Show, Attend, Tell, DenseCap

* 실습은 AWS 서버에 접속해서 진행됩니다. 따라서 개인 노트북 사양은 크게 중요하지 않습니다.

딥러닝을 구현하기 위한 라이브러리는 TensorFlow만 있는 것이 아닙니다. 간편한 설치와 pythonic한 코딩이 가능한 PyTorch와 함께 딥러닝의 세계에 입문해 보세요! – 코스매니저 윤형진

수강료

일반 등록가

150만 원