딥러닝 개발 환경을 제대로 이해하고 싶다면!

딥러닝을 위한
리눅스와 GPU CAMP

Laptop Img 실습 중심 강의 Setting Img 딥러닝 개발환경 세팅 Mic Img Linux 필수 개념 정리
  • 기간

    2019년 6월 18일
    - 2019년 7월 9일
    총 4주

  • 일정

    매주 화요일
    저녁 8:00 -11:00
    회당 3시간,총 12시간

  • 장소

    강남 패스트캠퍼스 강의장

  • 문의

    윤형진 매니저
    02-517-0641
    help-ds
    @fastcampus.co.kr

강의 목표 .

알고리즘 이해 수준을 넘어서
딥러닝 개발 환경을 제대로 이해하고 스스로 세팅할 수 있는 것.

대용량 데이터에 딥러닝을 적용하기 위해서는 리눅스와 GPU에 대한 이해필수입니다. 

딥러닝 구현을 위해 꼭 필요한 Linux와 GPU의 핵심만 담은 본 강의를 주목하세요!

딥러닝을 위한
LINUX?

1.  딥러닝을 위한 GPU는 리눅스 기반으로 성능 최적화를 하기에, 리눅스 기반 개발 환경이 빠른 딥러닝 학습을 가능하게 합니다.

 

2. 리눅스를 사용하기 위해서는 기본 명령어, shell, package manager, 환경 설정 등에 반드시 익숙해져야합니다. 또한 딥러닝에 활용하기 위해서는 ssh, git, vim 등의 툴을 사용하게 됩니다. 리눅스를 딥러닝에 효과적으로 활용하기 위해서, 필요한 만큼의 지식과 노하우를 모아 빠르게 이해하는 것이 실무에서 꼭 필요한 학습 노하우입니다.

딥러닝을 위한
GPU?

1.  딥러닝의 결과물인 인식률, 예측력, 정확성 등을 높이기 위해서 1) 모델의 규모가 커지고, 2) 학습 데이터의 양이 증가하고 있습니다. 이에 따라 딥러닝에서 효율적인 병렬 분산처리는 필수적입니다.

 

2. GPU를 사용하려면 CUDA를 설치해야 하고, CUDA는 버전 간 상호 호환이 매끄럽지 않으며 시스템 드라이버와도 의존성을 가지고 있습니다. 따라서 딥러닝 구현을 위한 시스템을 전반적으로 이해하는 것이 중요합니다.

강의 특징 . 

딥러닝 구현을 위한 리눅스 핵심 전달

 

많고 많은 리눅스의 세계에서 딥러닝을 구현하기 위해 필수적인 리눅스 지식만 모아 빠르게 전달해드립니다.

GPU 연동 방법과 노하우 이해

 

가장 널리 사용되는 딥러닝 프레임워크인 TensorFlow와 PyTorch에서 GPU를 연동해 사용하기 위한 방법과 노하우를 압축적으로 전달해 드립니다.

딥러닝 초심자를 위한 리눅스와 GPU 개념 이해 및 환경 설정 강의

해당 분야 전문가이신 강사님께서 딥러닝 초심자의 눈높이에 맞춰 Linux, GPU 관련 개념과 이론을 빠르게 정리하고, 실습을 통해 설치부터 사용 방법까지 자세하게 알려드립니다.

공부도 하고!
학습지원금도 받고!

결제액의 10%를 학습지원금으로 드립니다.

패스트캠퍼스의 수강의지를 강화하기 위한 지원금 제도를 운영합니다
패캠이 제안하는 학습 목표를 달성하고 커리어 이상의 성취감을 얻어가길 바랍니다.

*학습지원금은 제세공과금(22%)을 제하고 드립니다.

학습노트

100% 제출

수강 대상 .

리눅스라는 단어만 들어보신 분이라면! 이 강의를 꼭 들으셔야 합니다.

icon_man3_2_happy

TensorFlow나 PyTorch 등 딥러닝 라이브러리를
GPU와 연동해 실행하고 싶으나
컴퓨터에 대한 사전 지식이 없어서
어려움을 겪는 분.

icon_woman1_2_happy

CNN/ RNN 등 딥러닝 알고리즘은
기본적으로 알고 있으나,
단순히 ‘이론만’ 이해하고 있어서
딥러닝 구현을 위한 환경 설정에 필요한
리눅스와 GPU에 대한 지식과 노하우를
익히고 싶은 분

수강생 선수 지식 Check !

Windows를 스스로 설치할 수 있다.

영문으로 작성된 설명을 읽고 따라할 수 있다.

(수월한 실습 진행을 위해) 분 당 영타 100타 이상이다.

Q. 수강 전 반드시 GPU가 탑재된 개인 랩탑에 리눅스를 설치해야 하나요?
A. 본 GPU 연동 방법은 세팅 과정을 알려 드리고, 실습은 사전 준비된 원격 서버를 통해 진행할 예정입니다. 또한 리눅스의 설치와 설정 자체가 커리큘럼 내에 진행되니, 사전에 별도로 준비하실 필요는 없습니다.

Q. 리눅스나 개발에 대한 지식과 경험이 없습니다. 코스 수강이 가능할까요?
A. 본 코스는 딥러닝 환경 구현을 위해 필수적인 리눅스 지식만을 모아 빠르게 전달 드립니다. 따라서 리눅스 경험이 없으신 분들을 환영합니다.

딥러닝을 위한 Linux & GPU의 개념과 설정 방법을 이론과 실습을 통해 체화하는 4주 강의를 듣고,
딥러닝 개발 환경을 확실하게 이해하세요!

커리큘럼 .

딥러닝 개발 환경 이해를 위한 Linux와 GPU의 핵심을 담은 4주 커리큘럼

Part 1. 딥러닝을 위한 Linux
1회차 Linux의 배경지식 이해하기
- 다양한 Linux 배포판의 선택과 설치
- Linux Shell
- 주요 command와 CLI(Command Line Interface) 환경에 익숙해지기

[실습]
- directory 구조 변경, 환경변수 설정, 주요 package 설치
2회차 Linux에서 개발 환경 세팅하기
- VIM 등 text editor 세팅
- Library & Build
- SSH & Git

[실습]
- 원격 문서 편집, library 설치 및 사용, Git 받기
Part 2. 딥러닝을 위한 GPU
3회차 TensorFlow 설치하고 GPU 사용하기
- Why GPU?
- Cuda & CUDNN 설치
- TensorFlow에서 GPU 사용하기

[실습]
- TensorFlow 설치 및 GPU 연동하기
- TensorFlow를 이용하여 모델 학습 수행하기
4회차 PyTorch 설치하고 GPU 사용하기
- Python 가상환경 설정하기
- docker를 이용한 컨테이너 설정하기

[실습]
-모델을 scratch부터 학습하기
- 학습된 모델을 다운로드 받아서 데이터셋에 fine-tuning 하기

강의자료 예시 .

Linux 배포판을 알아야 하는 이유

CLI 기본 사용

Git Repository 관리하기

GPU Driver 설치

강의에 대한 전반적인 소개를 한 눈에 보고 싶다면? 교육 과정 소개서를 확인해주세요!
* 본 소개서는 회사 제출용으로도 사용 가능합니다.

이해를 돕는 Self – Q&A .

왜 한 가지가 아닌 다양한 Linux 배포판을 강의에서 다루나요?

한 가지가 아닌 여러 Linux 배포판을 다루는 것은, 딥러닝을 위한 새로운 라이브러리나 패키지가 개발되었을 때 손쉽게 적용하기 위해서입니다. 즉 구글링을 했을 때 A Linux 배포판 기준으로 설명이 되어 있는데 내 컴퓨터에는 B Linux 배포판이 설치되어 있다면, 설치가 어렵고 때로는 시스템 오류가 날 수 있습니다. 급변하는 딥러닝 환경에 대응하기 위해서는 다양한 Linux 배포판이 어떠한 특징을 가지고 있고, 어떻게 설치해야 하는지 아는 것이 중요합니다.

GPU 연동은 그냥 구글링해서 따라하면 되지 않나요?

실전에서 딥러닝을 적용하면서 많은 상황이 발생합니다.

1) 데이터의 용량이 커서 여러 하드디스크에 데이터를 분할 저장하는 경우
2) local 컴퓨터의 저장된 데이터와 클라우드 상에 저장된 데이터를 함께 사용해야 하는 경우
3) cuda 버전을 업그레이드 하고 싶은 경우
4) 여러 컴퓨터에서 동시에 분석을 실행하는 distributed 환경을 세팅해야 하는 경우 

다양한 상황, 그리고 다양한 Linux 배포판이 존재하기에 문제에 부딪혔을 경우 ‘내 문제에 맞는’ 정보를 구글링해서 단순히 따라하는 것은 비효율적입니다. 딥러닝 경험자인 강사의 입장에서, ‘상황을 제대로 파악하고 그에 맞는 방식을 적용하는 것’은 매우 중요합니다. 이를 위해 GPU 연동의 의미를 이해할 필요가 있습니다.

강사 소개 .

image_3175505471536995934157

박종현 강사님

대학원에서 computer architecture를 전공하여 GPU 및 하드웨어 가속기 관련 연구를 진행했습니다. Microsoft, 삼성전자, LG전자와 함께 딥러닝 가속을 위한 하드웨어 연구를 하였고, 슈퍼컴퓨팅 경진대회에서 최우수상을 수상하였습니다. 현재는 TmaxOS에서 그래픽엔진 개발을 담당하고 있습니다.

[약력]

– TmaxOS 연구원
– 연세대학교 전기전자공학과 박사 수료
– 연세대학교 전기전자공학과 학사 졸업

강사 인터뷰 .

Q. 본 강의를 통해 무엇을 얻어갈 수 있을까요?
A. 가장 중요한 것은 실제로 딥러닝을 돌려볼수 있게 된다는 점입니다. 직접 데이터를 구성하고 모델을 바꿔가며 학습하고 성능을 뽑아낼 수 있습니다. 그 외에도 딥러닝을 위해 필요한 것들을 배우고 나면, CLI 세계에 발을 들였으니 정말 많은 것들을 할 수 있습니다. 예를 들면, 엑셀에서 하던 모든 일들을 더 쉽고 빠르게 처리할 수 있고, windows GUI에서 반복적인 폴더 정리 같이 노가다 작업을 자동적으로 수행할 수도 있습니다. (물론 익숙해져야할 것들이 필요하지만요.) 그리고, GPU연동을 하면서 컴퓨터 사양을 업그레이드 하는 법도 가르쳐드릴 예정입니다.

{ 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.

딥러닝 개발 환경을 제대로 이해하고 싶다면!

딥러닝을 위한 리눅스와 GPU CAMP

일    정 2019.6.18.~ 2019.7.9.
매주 화요일 저녁 8:00 ~ 11:00 | 총 4주
준비물 개인 노트북 사용 추천
(본인 PC에 맞는 개발 환경 설정 및 원활한 개별 실습을 위하여)
장    소 강남역 부근 패스트캠퍼스 강의장
문    의 윤형진 매니저 : 02-517-0641 | help-ds@fastcampus.co.kr
메일로 문의 주실 경우 자세한 상담을 원하신다면 휴대폰 번호, 상담가능 시간을 남겨주세요:)

정가 60만원

다음 기수 일정이 궁금하다면?

'출시알림'을 신청해 주시면, 일정 확정 시 안내 드립니다.
※ 카드 12개월 무이자 할부 가능!

출시알림 신청하기

강의장 안내

학습 지원 프로젝트

공부도 하고! 학습지원금도 받고!

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

학습 목표. 학습노트 제출

코스 진행 일정 3일 후(금요일) 24:00까지 폼스택으로 과제 제출. 과제 접수 여부는 폼스택 접수시간으로 판단.
[수강중 학습 콘텐츠 일정] 학습노트 제출 4회
1회차: 6월 21일(금)까지 학습노트 작성 후 제출
2회차: 6월 28일(금)까지 학습노트 작성 후 제출
3회차: 7월 5일(금)까지 학습노트 작성 후 제출
4회차: 7월 12일(금)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.