PyTorch로 시작하는 딥러닝 입문 CAMP
기 간 2018년 1월 27일 ~ 4월 7일 (총 10회)
일 정 매주 토요일 오후 2시 ~ 5시 (주 1회)
회 당 3시간, 총 30시간
* 설 연휴 2월 17일 휴강
준비물 개인 노트북 사용 권장
장 소 패스트캠퍼스 강의장
문의 코스매니저 윤형진 (02-517-0641)
help-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

ksd

김성동 강사님

[ 약력 ]

– Text Factory 연구원
– 자연어처리, 강화학습 적용 업무
– 숭실대학교 경영학 및 글로벌미디어 전공
– 마이크로소프트웨어 기고 및 마소의 밤(MASOCON) 세미나 진행: ‘챗봇은 거창한 것이 아니다’
– PyTorch 관련 Github 운영 (https://github.com/DSKSD)

수강생 분들을 위해 강사님의 노하우가 담긴 PyTorch Github을 공개합니다.

전 이 딥러닝 분야가 상당히 재미있다고 생각합니다. 이 분야만큼 다이나믹하고 시시때때로 새로운 것이 등장하는 분야가 없어요. 이미 다 알았다고 생각할 때 즈음 새로운 무언가가 튀어나오죠. 이런 다이나믹한 딥러닝 분야에서 뒤쳐지지 않기 위해서는 기초 체력을 잘 길러두는 것이 정말 중요합니다. 계속 쫒아가며 쉬지않고 공부해야하기 때문이죠. 이번 [ PyTorch로 시작하는 딥러닝 입문 CAMP]에서 이런 기초체력을 제대로 길러드리도록 하겠습니다.

강의 개요 및 커리큘럼

way to study
주차 내용
Part 1. PyTorch로 딥러닝을 시작해 보자
1 Introduction
딥러닝에 대한 개괄적인 내용과 흐름, 그리고 PyTorch를 소개합니다.
- 딥러닝의 개요
- PyTorch 소개
- PyTorch 설치 및 환경 구축
2 Linear Regression, Logistic Regression & Neural Network
머신러닝의 기본 개념을 습득한 후, 딥러닝의 기본이 되는 Neural Network의 구성 요소를 알아봅니다. 또한 Gradient-based learning의 근간이 되는 Gradient Descent와 Backpropagation 알고리즘을 소개합니다.
- Linear Regression
- Logistic Regression
- Neural Network
- Gradient Descent/ Backpropagation
3 Training & Optimization
딥러닝 모델이 ‘잘' 학습했다는 것은 어떤 것일까요? 이를 판단하기 위한 여러 지표들과 학습 시 발생할 수 있는 문제점, 그리고 이를 해소할 수 있는 방법들에 관해 소개합니다.
- (Advanced) Stochastic Gradient Descent
- Weight Initialization
- Regularization
- Normalization
Part 2. 다양한 딥러닝의 알고리즘을 PyTorch로 구현해 보자
4 CNN (Convolutional Neural Network) Basic
비전 분야에서 주로 쓰이는 CNN에 관해 소개합니다. convolution과 pooling 연산을 알아보고 이미지 분류 테스크를 실습해 봅니다.
- Convolution & Pooling
- AlexNet
- ZFNet
5 Advanced CNN Architectures
CNN 모델의 다양한 architecture들을 살펴 봅니다. 각 모델의 주요한 특징을 이해하고, 더욱 딥해진 모델을 이용해 이미지 분류 테스크를 실습해 봅니다.
- VGGNet
- GoogLeNet
- ResNet
- Inception
6 Distributed Word Representation
단어를 고정된 벡터 공간에 표현하는 방법에 대해 소개합니다. 이를 통해 단어 간의 의미적, 구조적 차이를 학습할 수 있습니다. 실제 말뭉치를 전처리하여 모델을 학습 시키고 3차원 공간에 시각화합니다.
- Skip-gram & CBOW
- Negative Sampling
- GloVe
7 RNN (Recurrent Neural Network) Basic
자연어, 음성 등 시퀀스 데이터를 주로 다루는 RNN에 관해 소개합니다. RNN의 여러 구조를 학습하고, 이를 이용해 language model 등을 포함한 sequence labeling task를 실습해 봅니다.
- RNN
- GRU
- LSTM
- Language Model & Sequence Labeling
8 Advanced Sequence Models
번역, QA 등에 주로 쓰이는 Sequence2Sequence 모델과 Attention Machanism을 학습합니다. 이를 이용해 간단한 번역 테스크를 실습해 봅니다.
- Sequence2Sequence Model (Encoder-Decoder)
- Attention Mechanism
- Transformer
9 Generative Models
최근 딥러닝의 큰 흐름인 Generative Models, 그 중 VAE과 GAN에 대한 기본적인 내용과 원리를 소개합니다.
- Variational Autoencoder
- Generative Adversarial Network
- Variants of GAN
10 Applications
다양한 테스트들의 핵심 아이디어들을 살펴보고 실습해 봅니다.
- Detection and Segmentation: Faster-RCNN, U-net
- Question and Answering: DCN, Bi-DAF

* 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

최종할인 5% + 특별 기획 할인 5% 등록가

135만 원

* 일반 등록가 : 150만 원