기 간 2018년 5월 19일 ~ 2018년 7월 28일 (총 6주)
일 정 토요일 오후 2시 ~ 오후 6시
(격 주 1회 4시간 / 총 24시간)
장 소 패스트캠퍼스 강의장 (강남역 부근)
담당자 강호준 매니저 tel. 02-517-0697
help-ds@fastcampus.co.kr

연구경험이 없으니, 실무에서도 한계가 있는데 다시 대학원에 가야하나?

연구를 해야하는데, 도대체 어디서부터 어떻게 시작해야하지?

대학원에 가려니, 비용도 시간도 부담되고… 빠르게 연구 경험을 쌓을 수 없을까?

그래서 만들어졌습니다. 
현업 연구자와 직접 연구의 A-Z를 경험할 수 있도록 
강의와 토론형식으로 구성된 국내 유일의 과정

– 이 과정을 통해 당신이 얻을 수 있는 것 –
✔ 연구 진행을 시작하는 법부터, 결론을 내는 것까지!
컴팩트하게 기르는 연구경험
✔ 최신 딥러닝 기법과 연구 트렌드 속 인사이트를!
실무에 딥러닝을 접목시키는 역량
✔ 현업 연구자에게 모르는 내용을 바로바로 질문!
연구 방법 + 도메인에 대한 전문성

강의 주제

주제 : Modality Invariant Scene Classification

개와 고양이를 구분하는 비교적 간단한 형태의 분류 문제에 대해서는 진행된 연구가 있지만, 센서별로 취득된 데이터 특성에 큰 영향을 받지 않고 이미지를 분류하는 문제에 대해서는 진행된 연구가 거의 없습니다. 딥러닝을 이미지 분류 문제에 적용하는 것만해도 진입장벽이 엄청나기 때문에, 센서별 데이터 특성에 대한 고려까지 하여 이미지 분류를 하는 문제를 풀기 위해서는 상당한 수준의 전문성이 요구되기 때문이죠.

본 강의에서 연구하게될 장면 분류(Scene Classification)는 로보틱스, 영상검색, 위치검색 등 다양한 컴퓨터 비전 응용에서 활용되는 핵심 알고리즘입니다. 최근, 딥러닝의 발전으로 장면 분류 및 영상 분류 분야에서 괄목할 만한 성능 향상이 있었지만, 센서의 종류에 따라서 달라지는 데이터의 특성 변화는 여전히 해결해야 될 문제로 남아있습니다. 본 연구 클럽에서는 센서의 종류에 따라서 달라지는 데이터의 특성 변화에 강인한 장면분류 알고리즘을 연구하고자 합니다.

연구주제 참고 문헌

수강 대상

본 강의 주제에 관심을 가지고 있는
– 실무자로서 연구경험을 필요로 하는 개발자
– 대학원 과정을 압축적으로 경험하고 싶은 실무자

강사 소개

business people and office concept - close up of buisnessman in suit and tie

Aiden님

연세대학교 전기전자공학과 박사과정 동안 영상처리 및 컴퓨터비전 관련 프로젝트를 다수 진행하였으며, 30여편의 Top Conference와 Journal 논문을 게재 및 10여 건의 국내외 특허를 출원 및 등록 하였습니다. 현재는 실무 연구자로서 영상인식 문제를 해결하기위해 딥러닝 기반의 알고리즘을 연구 & 개발하고 있습니다. 실무에 계신 분들이 ‘연구’를 경험해볼 수 있도록 짧은 프로젝트를 통해서 저의 경험을 공유하고자 합니다. 학계에서의 경험과 회사에서의 경험을 통해 얻은 연구의 노하우를 전달하도록 하겠습니다.

[ 약력 ]
– 現 연세대학교 전기전자공학과 박사과정
– 現 Senior Research Engineer (딥러닝)
– 영상처리 및 컴퓨터비전 분야 30여 편의 논문 게재

커리큘럼

강의 자료 예시

주차 주제 및 방법론 케이스 스터디
1 연구 시작하기, 연구의 A To Z!
# 연구란 무엇인가? 왜 연구를 하는가?
# 연구(R)와 개발(D)은 무엇이 다른가?
# 연구시작하기 (연구주제 정하기)
- Top Down (Key-word로부터)
- Bottom Up (문제로부터)
- 내 역량으로부터
# 내 연구역량 파악하기
# 연구계획 세우기
- 연구자의 연구역량 파악하기
- 연구계획 세우기
2-3 연구의 반을 차지하는 문헌 분석하기
# 논문 검색하기
# 좋은 논문 검색하기
# 문헌 조사하기
- Anchor 논문 찾기
- 리뷰 논문 활용
- 최신 논문 활용
- Anchor 논문의 과거
- Anchor 논문의 미래
# 문헌 분석하기
- 1차 문헌분석 (Scene Classification with CNN)
- 1차 Key Paper (TBD) Review
- 2차 문헌분석 (Modality Invariant Scene Classification)
- 2차 Key Paper (TBD) Review
4 연구 계획 세우기
# 문제 정의하기
# 세부 목표 정하기
# 세부 연구계획 세우기
- 시작점은 무엇으로 할것인가?
- Tool은 어떤걸 사용할 것인가?
- 어떻게 평가할것인가?
- 2차 문헌분석에 따라 문제 정의하기
- 세부 목표 정하기
- 세부 연구계획 세우기
- 연구과정 및 중간결과 #1
5 문제해결하기
# 문제해결하기 = 몰입하기
# 의도적인 시간과 환경
- 연구과정 및 중간결과 #2
6 연구 끝맺기
# 결과 정리하기
# 결론 도출하기
# 연구결과물 활용하기
- 연구과정 및 최종결과
- 결론 도출 과정
매 주차 방법론 및 케이스 스터디 관련 토론와 강의내용 관련 Q&A가 진행됩니다.

자주 묻는 질문

딥러닝에 대해 잘 몰라도 수강이 가능한가요?

본 강의는 딥러닝을 현업에서 활용중인 실무자/개발자 분들에게 추천합니다. 도메인 자체의 난이도가 높기때문에 딥러닝에 관한 배경지식이 없으시면 수강에 어려움이 있을 수 있습니다. 수강 적합도에 대해 보다 자세한 설명이 필요하시면, 담당 매니저에게 문의 부탁드립니다.

강의가 격주로 진행되는데 왜 그런건가요?

본 강의는 연구 전 과정을 경험하는 것으로 연구자가 단순히 강의만 하는 것이 아닌, 연구를 실제로 진행하는 과정을 수강생이 직접 실습을 통해 경험할 수 있도록 구성된 과정입니다. 따라서, 각 회차별로 연구 진행에 필요한 과제가 부여될 예정이며, 과제를 충분히 소화하고 완수한 후 연구 진도를 나가기 위해 격주로 진행됩니다.

다른 주제의 연구 방법론 강의는 없나요?

본 강의는 “데이터 사이언스 연구 클럽”의 일부로 기획된 강의로서, 현재 러닝을 활용한 악성코드 탐지 연구 방법론 CAMP(주제: A Hybrid Deep Learning System of CNN and LRCN for Malware Detection)가 모집중입니다. 자세한 내용은 아래 링크를 클릭해 확인해주세요.

러닝을 활용한 악성코드 탐지 연구 방법론 CAMP 강의 정보 자세히 보기(클릭)

데이터 사이언스 연구 클럽은 뭔가요?

‘데이터 사이언스 연구 클럽’은 연구자는 원하는 연구 및 개발을 보고서나 재정적 부담없이 진행하고, 연구 경험이 없는 실무자들은 현업 연구자의 연구 과정을 강의 및 토론 형태로 배움으로써 함께 성장할 수 있도록 하기위해 만들어진 플랫폼입니다. 자세한 내용은 아래 링크를 클릭해 확인해주세요.

데이터 사이언스 연구 클럽 자세히 보기 (클릭)

수강료 안내

얼리버드 10% 할인 중 (~5/17)

58만 원

# 일반 등록가 : 65만 원
# 수강 정원은 최대 15명입니다.
# 수강 확정 및 할인 적용은 “결제일”을 기준으로 하며, 사전 안내없이 조기마감될 수 있습니다.

[ 계산서 발행 안내 ]
계산서 발행은 help@fastcampus.co.kr로 수강과정, 성함, 사업자등록증, 연락처와 함께 요청하시면 됩니다.

[ 입금 계좌 안내 ]
우리은행/1005-902-393657 / 패스트캠퍼스(주)
(단, 입금 전 꼭 수강신청을 해주셔야 합니다.)