TENSORFLOW로 시작하는

딥러닝 입문 CAMP.

30개 논문으로 시작하는 Tensorflow 2.0
현업 딥러닝 전문가와 함께라면 여러분도 시작할 수 있습니다!

#딥러닝입문#핵심논문리뷰
#업데이트반영

기간 & 일정

2020. 2. 1 ~ 4. 4
매주 토요일 10:00 – 13:00
주 1회(회 당 3시간), 총 10회

장소 & 준비물

패스트캠퍼스 강남 본원
개인 노트북

문의

02-568-9886
help-ds@fastcampus.co.kr

강의 목표 .

100

핵심 딥러닝 알고리즘
(CNN, RNN, GAN)
TensorFlow Code Review
함께 이해하는 것

100

30개 딥러닝 분야
핵심 논문 Review

딥러닝 학습의 초석을
단단하게 다지는 것

우리가 누리는 이 모든 것의 핵심 기술, 딥러닝.
하지만 막상 공부하려고 하니 어려운 것 투성이죠?

동영상 강의를 봐도 간신히 이해하는 정도에서
더 이상 진도가 나가지 않아요

수식과 영문이 난무한 설명,
이해하기 어려워요

논문은 왜 이렇게 많이 나오는지…
핵심논문만 간추리는데도 많은 시간이 걸려요

Python처럼만 하면 될 줄 알았는데…
문법이 변형된 TensorFlow에 당황스러워요

특히
딥러닝 입문 또는
TENSORFLOW 학습
고려해보신 분이라면
느낄 겁니다.

새로운 분야, 개념 익히기도 벅찬데

읽어야 할 논문은 계속 늘어나고

텐서플로우 업데이트까지??


내가 이 흐름을 쫓아갈 순 있기나 한 걸까?

crown

패스트캠퍼스 오프라인 베스트셀러!
Tensorflow로 시작하는
딥러닝 입문 CAMP와 함께라면.

가능합니다!

강의 특징 . 

딥러닝 핵심 알고리즘
완전 정복

어려운 수식과 용어 없이 딥러닝 입문자 눈높이로, 수식을 최대한 배제하면서도 딥러닝 네트워크 구조와 핵심 알고리즘을 이해하실 수 있도록 설명 드립니다.

TensorFlow 2.0를 활용한
알고리즘 구현 실습

최근 업데이트 된 TensorFlow 2.0 버전에 맞는 코드 실습을 진행합니다. 핵심 알고리즘 이론은 물론, TensorFlow만의 고유 문법을 정복하는 맞춤형 실습으로 실전 응용력까지!

약 30개의
주요 논문 Review

딥러닝 알고리즘 기반의 30여 개 주요 논문 핵심 내용을 요약 정리해 드립니다. 입문자도 쉽게 이해할 수 있도록 강사님이 직접 구성한 핵심 요약 정리로 향후 딥러닝 학습이 쉬워집니다.

딥러닝 핵심
알고리즘
완전 정복

어려운 수식과 영어는 이제 막 딥러닝을 배우려는 입문자에게 높은 벽으로 다가올 수 밖에 없습니다. 본 캠프에서는 수식은 최대한 배제하고, 꼭 필요한 딥러닝의 대표적인 네트워크 구조와 알고리즘(RNN, CNN, GAN 등)을 쉽게 가르쳐드립니다.

TensorFlow 2.0를
활용한 알고리즘
구현 실습

직관적이고 접근성이 뛰어난 탓에 가장 널리 사용되는 TensorFlow지만, 기존 Python 문법과 다른 TensorFlow만의 고유 문법은 딥러닝 입문자를 쉽게 지치게 합니다. 게다가 올 3월엔 업데이트를 통해 큰 변화를 불러 올 예정이죠. 본 캠프에서는 핵심 알고리즘을 이론적으로 이해하고, 2.0 버전에 맞춘 실습을 매 시간 진행하여 수강생들의 실제 응용력을 길러 드립니다.

약 30개의
주요 논문 Review

딥러닝 이론은 꾸준히 새로운 접근 방법이 도출되는 분야 중 하나입니다. 본 강의에서는 딥러닝 알고리즘을 이해하기 위한 주요 논문 뿐만 아니라 최신 트렌드를 반영한 논문을 선별하여 강사님과 함께 Review합니다. 강사님이 직접 입문자도 쉽게 이해할 수 있도록 논문의 핵심 내용을 요약 정리하여 딥러닝 학습의 초석을 탄탄히 다질 수 있습니다.

실제 아래의 논문들을
수업에서 같이 공부해 봅니다.

10주 후 당신은,

TensorFlow를 활용하여 핵심 딥러닝 알고리즘을 직접 구현할 수 있게 됩니다.

딥러닝 핵심 논문 리뷰를 통해, 앞으로 새로운 알고리즘이 개발되어도 쉽게 이해할 수 있게 됩니다.

추천 대상.

icon_man4_3_oh

딥러닝 학습을 시도해 봤으나
어려움을 겪고 중도포기한
연구자/개발자/대학원생/대학생

icon_woman1_2_happy-150x150

딥러닝 알고리즘의 체계적인 정리와 함꼐
TensorFlow를 빠르게 익히고자 하는
연구자/ 개발자/ 대학원생/ 대학생

icon_man4_3_oh

딥러닝 주요 논문의 핵심을 이해함으로써
향후 딥러닝 학습의 초석을 다지고자 하는
연구자/ 개발자/ 대학원생/ 대학생

잠깐! 본 강의는 선수지식이 필요한 강의입니다.

본 강의는 아래 세 가지 선수 지식을 모두 가지고 계시다는 전제로 강의가 진행됩니다.
선수 지식이 부족할 경우 수강에 어려움이 있을 수 있으니 꼭 확인해주세요!

1. 머신러닝의 기본 개념인 regression, classification을 학습한 경험이 있다.

2. TensorFlow의 근간인 Python을 학습한 경험이 있어, 설명을 들으면 Python 코드를 이해할 수 있다.

3. YouTube [모두를 위한 딥러닝 시즌 2]를 시청한 경험이 있다.
※ 본 영상은 수강과 함께 시청을 권장합니다.

더 많은 이야기를 듣고 싶으신가요?

지난 기수 수강생이 전하는
[TensorFlow로 시작하는 딥러닝 입문] 이야기를 지금 만나보세요!

 

이진원 강사님

icon_7

– 서울대학교 전기공학부 학부 및 석사 졸업 (딥러닝 영상처리 전공)
– 모두를 위한 딥러닝 시즌 2 Main Creator
– 제스처 인식 및 의료 영상 관련 프로젝트 진행
– 개발자 대상 딥러닝 교육 다수 진행

″ 딥러닝은 혼자 공부하다 보면 시간도 굉장히 오래 걸리고, 막히는 부분이 생길 때 해결하기가 쉽지 않습니다. 본 강의가 딥러닝을 공부하시는 분들의 학습 시간을 확 줄여드릴 수 있었으면 합니다. ″

커리큘럼 .

핵심 알고리즘부터 TensorFlow 코드 실습, 논문 리뷰까지
딥러닝 완벽 입문을 위한 10주 커리큘럼

Part 1. Deep Learning Basic

Week 1

Introduction to Deep Learning

– 수업 오리엔테이션

Week 2~3

Neural Network Basic

[2주차]
– Linear Regression
– Logistic Regression
– Multi-layer Perceptron

[3주차]
– Training Neural Networks

Part 2. Deep Learning Fundamentals

Week 4~5

CNN(Convolutional Neural Network)

[4주차]
– Fundamentals of CNN
– Case Study: ImageNet Challenge

[5주차]
– Modern CNN
– Visualization CNN

Week 6

RNN(Recurrent Neural Network)

– Fundamentals of RNN
– LSTM(Long Short-Term Memory Models)
– GRU(Gated Recurrent Unit)

Part 3. Deep Learning Applications

Week 7

NLP(Natural Language Processing)

– Word Embedding
– Sentence Representation
– Language Model
– Machine Translation

Week 8

Object Detection

– RCNN, Fast RCNN, Faster RCNN
– YOLO, YOLO v2, SSD, RetinaNet

Week 9

Image Segmentation

– FCN, DeconvNet, DeepLab
– U-Net, Fusion Net, PSPNet

Week 10

Neural Style / AutoEncoder / GAN(Generative Adversarial Network)

– Neural Style
– AutoEncoder
– GAN Basic
– Variants of GAN

* 실습은 사전 세팅된 Google Colab 환경에서 진행합니다.

Q&A .

Q. 수강을 위한 랩탑 사양은 어떻게 되나요?

A. 실습은 사전 세팅된 Google Colab 환경에서 진행됩니다. 따라서 개인 랩탑 사양은 크게 중요하지 않습니다.

Q. 딥러닝은 응용 분야가 다양한데,
본 코스에서는 어떤 분야를 다루나요?

A. 본 코스의 커리큘럼은 이미지 처리를 위한 딥러닝 중심으로 구성되어 있습니다.
따라서 자연어 처리(NLP), 강화학습( Reinforcement Learning)은 일부 내용만 다룹니다.

자연어 처리에 관심 있으시다면 [자연어처리를 위한 딥러닝 CAMP],
강화학습에 관심 있으시다면 [
TensorFlow로 배우는 강화학습 CAMP]를 추천합니다.

Q. 30여 개의 논문 리뷰가
실제로 강의 시간 내에 진행되나요?

A. 강사님께서 논문 속 핵심 개념과 알고리즘을 정리해서 알려 드립니다.
제한된 시간에 많은 내용을 다루기에 실습보다는 개념 설명과 코드 리뷰 중심으로 진행됩니다.

{ FASTCAMPUS COMMUNITY MEMBERSHIP }

패스트캠퍼스 오프라인 강의를 수강하셨다면!
별도의 가입절차없이 패스트캠퍼스 커뮤니티 멤버쉽 회원이 됩니다.
커뮤니티 멤버쉽은 수강 후 1년 동안 유지되며,
오직 멤버들만을 위한 비공개 스터디클럽, 네트워킹행사, 세미나 등 비정기적 행사에 모실 예정입니다.

image_1@2x
image_2@2x
image_3@2x
image_4@2x
image_5@2x
매주 목요일마다 할인 마감!

수강료 안내

강의 정보, 한 번 더 확인!

기 간 : 2020. 2. 1 ~ 4. 4 (총 10회)
일 정 : 토요일 10:00 ~ 13:00 (주 1회, 총 30시간)
준비물 : 개인 노트북 권장
장 소 : 패스트캠퍼스 강의장

얼리버드 할인가 135만원 정가 150만원

최저가 할인 10% (-1/31 정오)

✓ 본 강의는 결제순으로 마감되는 강의입니다.
✓ 매주 금요일 가격이 소폭 상승합니다.

– 계산서 발행을 원하실 경우, 먼저 수강신청을 진행한 후 결제 프로세스를 문의해주시기 바랍니다.
– 수강 인원이 10명 미만인 경우 또는 내부 사정으로 인하여 부득이하게 폐강될 수 있습니다.
(자세한 안내는 하단 유의사항 참고바랍니다.)

다음 모집은 언제죠?

출시알림을 신청해주세요

최저가로 강의를 수강할 수 있게, 강의 홍보 시작 시 가장 먼저 메일을 보내드립니다.

강의장 안내

학습 지원 프로젝트

공부도 하고! 학습지원금도 받고!

*학습지원금(제세공과금 22% 차감 후 지급)은 강의마다 개인마다 상이할 수 있습니다.

학습 목표. 학습노트 100% 제출

코스 진행 일정 3일 후(화요일) 24:00까지 폼스택으로 과제 제출. 과제 접수 여부는 폼스택 접수시간으로 판단.
[수강중 학습 콘텐츠 일정] 학습노트 제출 10회
1회차: 6월 25일(화)까지 학습노트 작성 후 제출
2회차: 7월 2일(화)까지 학습노트 작성 후 제출
3회차: 7월 9일(화)까지 학습노트 작성 후 제출
4회차: 7월 16일(화)까지 학습노트 작성 후 제출
5회차: 7월 23일(화)까지 학습노트 작성 후 제출
6회차: 7월 30일(화)까지 학습노트 작성 후 제출
7회차: 8월 6일(화)까지 학습노트 작성 후 제출
8회차: 8월 13일(화)까지 학습노트 작성 후 제출
9회차: 8월 27일(화)까지 학습노트 작성 후 제출
10회차: 9월 3일(화)까지 학습노트 작성 후 제출

학습지원금을 받으려면?

미션을 모두 완료하면 신청페이지를 통해 신청 가능합니다.
다만, 강의 종료 후 30일 이내에 신청페이지를 통해서 신청해주셔야 합니다.
아래의 환급신청 링크로 신분증 사본 / 환급받을 통장사본을 제출 (반드시 본인 명의로만 가능)해 주세요.
결제한 수강료의 10% (환급 금액의 22% 제세공과금으로 차감) 를 드리며, 학습지원금은 개인마다 상이할 수 있습니다.

환불규정

* 학습지원금은 기수강생 및 얼리버드 할인과 중복 적용이 가능합니다. (기타 다른 이벤트와 중복 적용이 불가합니다.)
* 과제물이 허위로 작성되거나 표절일 경우 환급이 거절될 수 있습니다.
* 환불은 환불규정(https://www.fastcampus.co.kr/refund/)에 따라 진행됩니다. 규정에 의거하여 환불금액이 없을 수 있습니다.

[ 유의사항 및 환불규정 ]

* 모든 패스트캠퍼스 오프라인 파트타임 교육은 개강 전일 18시에 모집이 마감됩니다.
* 상황에 따라 사전 공지 없이 모집이 조기 마감되거나 할인이 연장될 수 있습니다.
* 수강 인원 확인을 위하여, 즉시 결제가 어려운 경우에도 반드시 수강신청을 먼저 진행해주시기 바랍니다.
* 수강생의 결석이나 지각 등으로 발생한 손해에 대해서는 별도의 보상을 제공하지 않습니다.

* 다음과 같은 사유 등으로 인해 강의가 폐강될 수 있으며, 폐강 시 학원법에 따라 반환 사유 발생일로부터 5 영업일 이내에 수강료를 환불해드립니다.
– 모집된 수강인원이 10명 이하일 경우
– 강사의 갑작스러운 사고 및 건강 상의 이유
– 천재지변
: 위의 사유로 강의가 폐강될 경우, 학원법 제 18조에 따라 오프라인 강의 취소/환불 정책을 준용하여 환불 처리되며, 모객 부진으로 폐강 시에는 최소 개강일로부터 7일 전에는 폐강 여부를 안내해드립니다.

* 총 수강기간 1개월 이내 기준 취소 및 환불 규정 안내
– 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
– 수업 시작 전 환불 신청 시 전액 환불됩니다.
– 수강 시작 후 환불 신청 시 하기 수업 시수를 기준으로 학원법 환불규정에 따라 환불 가능합니다.
: 환불요청일시 기준 수업시수 1/3 경과 전 : 수강료 2/3 환불
: 환불요청일시 기준 수업시수 1/2 경과 전 : 수강료 1/2 환불
: 환불요청일시 기준 수업시수 1/2 경과 후 : 환불금액 없음

* 기타 환불 관련 안내
– 환불 의사를 밝힌 다음날부터 계산하여 환불합니다.
– 환불금액은 수업시간을 기준(반올림)으로 산정합니다.
– 환불금액의 10원 미만은 절삭합니다.
– 반환 사유 발생 시 5 영업일 이내 환불됩니다.
: PG사와 카드사의 상황에 따라 환불이 지연될 수 있습니다
– 1개월 산정 기준은 민법 제 160조(역에 의한 계산)을 적용합니다.
: 실제 일수와 상관없이 수업시작일이 3월 7일인 경우, 1개월은 4월 6일까지 입니다.
: 단, 수업 시작일이 1월 31일인 경우, 1개월은 월의 말일인 2월 28일까지 입니다.

딥러닝 전문가와 함께 하는 10주간의 딥러닝 입문 코스!

할인마감까지 D-