PyTorch로 시작하는

딥러닝 입문 CAMP

결과물을 만드는 가장 빠른 딥러닝 입문 방법!
수식 부담 없이, Python 기반 라이브러리로 시작하는 실습형 딥러닝 강의

#딥러닝입문#결과물구현
#실습중심

기간 & 일정

2019. 7. 13. ~ 9. 7. 매주 토요일
오전 10시 ~ 오후 1시
(회 당 3시간, 총 24시간)
주 1회, 총 8회, 8월 17일 광복절 연휴 휴강

장소 & 준비물

패스트캠퍼스 강남강의장
강남역 4번 출구, 미왕빌딩
개인 노트북

담당자& 문의

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

왜 PyTorch인가?


Python에 기반을 둔 딥러닝 라이브러리 PYTORCH
Python을 알고 있다면 추가 학습 없이도 쉽고 빠르게 배울 수 있습니다

결과물 구현이 우선! 실습 중심의 강의!
지금 PYTORCH 코스를 선택해야 하는 이유입니다

강의 특징.

딥러닝 개념부터
PYTORCH 코드 실습까지

파이썬에 기반한 딥러닝 라이브러리 PyTorch!
이론 설명은 기본,
PyTorch 코드를 직접 ‘뜯어 보고’ 이해하는 실습
이 진행됩니다.

복잡한 논문과
수식 이해는 이제 그만 ~

딥러닝 학습의  ‘벽’, 수학의 부담을 줄여 수식 설명보다 개념 이해와 문제 해결 방안에 초점을 맞춥니다. 다양한 알고리즘을 체계적으로 이해하고 실무에서 발생할 수 있는 문제에 대처할 수 있도록 도와드립니다.

다양한 실습으로
딥러닝 구현 역량 강화

내가 써먹지 못할 이론 강의가 무슨 소용 있나요? 다양한 예제를 직접 구현하는 실습 중심 강의로 각자가 원하는 딥러닝 모델을 완성할 수 있습니다. 수강 후에는 API만 보고도 원하는 결과를 출력하게 됩니다.

커리큘럼.

※ 강의는 이론 설명과 실습을 병행하는 방식으로 진행합니다.
 AWS 서버 접속을 통해 실습을 진행하기 때문에 개인 노트북 사양은 크게 중요하지 않습니다.
 각 회차에 진행하는 주요 실습에 대한 예시 이미지를 참고해주세요.

Part 1. PyTorch & Deep Learning Basic

1회차 Deep Learning & PyTorch: 딥러닝이란 무엇인가 알아보고, 왜 PyTorch를 배워하는지 개념을 다집니다.

Introduction
> 왜 딥러닝인가?
> 왜 PyTorch인가?

PyTorch Basic
> PyTorch 설치 및 환경 구축
> PyTorch Tensor 다루기

2회차 Basics for Model Training: 모델 학습을 이해하면서 PyTorch를 통해 회귀/분류 모델을 구현해 봅니다.

Model Training
> Supervised & Unsupervised Learning
> Model Training Process
> Loss Function/ Gradient Descent/ Backpropagation

Regression Models
> Linear Regression
> Multivariate Linear Regression

Classification Models
> Logistic Regression

Part 2. NN(Neural Network) & CNN(Convolutional Neural Networks)

3회차 NN & CNN: 딥러닝의 기초가 되는 NN을 배워보고, 다양한 데이터에 적용해 봅니다. 더 나아가, 더 좋은 성능을 도출하기 위한 방법은 무엇이 있는지 알아봅니다.

NN
> Activation Functions
> Neural Network
> MNIST
> Batch Training

Methods for Improving Model
> Data Preprocessing
> Other optimizers
> Weight Initialization/ Regularization
> Batch Normalization/ Dropout

4회차 CNN: 공간적 데이터를 다루기 위하여 filter 연산 기반의 CNN을 배워봅니다. 또한 뛰어난 성능을 보였던 CNN 모델들의 특징과 구조를 익혀 분석해 봅니다.

CNN
> Convolution Layer
> Pooling Layer
> Fully Connected Layer
> GRAY/ RGB

Advanced CNN
> AlexNet/ VGGNet
> GoogLeNet/ ResNet
> Inception

Transfer Learning
> Feature Extraction
> Fine Tuning

Part 3. NLP(Natural Language Processing) & RNN(Recurrent Neural Network)

5회차 NLP: SNS, 리뷰, 기사 등 자연어 분석을 위한 방법을 익히고, 실제 리뷰 데이터를 기반으로 감성 분석을 진행해 봅니다.

Preprocessing with Natural Language
> Tokenize/ Stopping
> Stemming/ POS-tagging
> N-gram

Bag of Words
> TF-IDF

Word2Vec
> Skip-Gram
> CBOW

Sentimental Analysis

6회차 RNN: Sequential 데이터를 분석하기 위한 기법인 RNN을 익힙니다. 또한 앞서 학습한 자연어 처리 기법을 적용하여 셰익스피어의 문체를 모방하고, 시계열 데이터인 가상화폐 가격을 예측해 봅니다.

Sequential Data
RNN
LSTM(Long Short-Term Memory Models)
GRU(Gated Recurrent Unit)

Part 4. AE(Auto-Encoder) & GAN(Generative Adversarial Networks)

7회차 AE: 이미지의 특성을 추출하여 이미지를 재구성하는 Generative Model 구현을 위한 Auto-Encoder를 익힙니다. 또한 Denoising 기법을 통해 이미지의 노이즈를 제거해 봅니다.

Auto-Encoders
> Convolutional Auto-Encoders
> Variational Auto-Encoders
> Denoising Auto-Encoders

Latent Space & Visualization
> Manifold
> Latent Space & Vector
> PCA & t-SNE

8회차 GAN: Generative Model의 강자인 GAN을 통해 생성 모델의 무한한 가능성을 확인해 봅니다.

GAN
> DCGAN(Deep Convolutional Generative Adversarial Networks)
> cGAN(Conditional GAN)

Recent Works
> Pix2Pix
> InfoGAN
> Progressive GAN

강의실습 예시.
파이토치로 구현한 딥러닝 예시 (웹 링크 바로가기)
이미지를 마우스오버 or 클릭해서 추가정보를 확인할 수 있습니다.

1
간편한 데이터 처리

Python을 알고 계신가요?
이해할 수 있는 코드로 쉽게 데이터를 처리해보세요.

2
직관적인 모델링

이 슬라이드의 사례에서처럼,
딥러닝의 개념을 코드에 그대로 적용할 수 있습니다.

3
간편한 오류 수정 및 디버깅

코드 실행 중 바로 결과 확인이 가능합니다!
오류 지점 찾아다니던 날들은 이제 안녕!

4
빠른 모델 검증 및 확인

간결한 코드로 모델의 정확도를 검증할 수 있습니다.

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.

과제/학습노트

100% 제출

추천 대상.

icon_man4_4_unhappy

실습 중심 학습으로
딥러닝에 입문하고 싶은 분

icon_man4_2_happy

논문, 수식 등 이론적인 이해보다는
딥러닝을 적용한 결과물 구현이 더 중요한 분

본 강의는 PYTHON 코드에 기반을 둔
PYTHONIC한 딥러닝 라이브러리,
PYTORCH로 진행됩니다.

원활한 PYTORCH 코드 이해를 위해서는
아래 선수 지식이
필요합니다.


-

✱ 1. Numpy와 Pandas를 학습한 경험이 있다.
2. 파이썬에서 def가 무엇을 위한 명령어인지 알고 있다.
3. 파이썬에서 array나 dictionary의 의미를 알고 있다.

수강생 후기.
2년째 커리어 성장 중! 여러분도 직접 경험해보세요.

6기수강생

조현선 님

  

어떤 질문을 들고 와도
막힘없이 답변하는 강사님이라니요...!

담당 선생님이 열정적이시고
진짜 잘 가르쳐 주셔요!

6기 수강생 P님

강의만족도 100%

문과 출신도 이해할 수 있게끔
정말 필요한 부분만 균형있게 설명하셨어요

5기 수강생 K님

강의만족도 100%

많은 도움을 준 강의입니다.
나무랄 데 없는 커리큘럼, 강사님!

5기 수강생 M님

강의만족도 90%

기초부터 gan까지
많은 도움이 되었습니다

5기 수강생 Y님

강의만족도 100%

대학원에서 상한 마음,
이 강의로 달래고 갑니다

2기 수강생 L님

강의만족도 100%

outdated된 자료가 아닌,
최신의 trend를 반영한 자료로 수업
1기 수강생 J님

강의만족도 100%

강의 전 읽으면 좋은 자료

읽어보기

수강하며 읽으면 도움되는 자료

읽어보기

잠깐!

※ 딥러닝 학습 경험은 없어도 괜찮습니다. 물론 regression이나 classification과 같은 딥러닝의 기본지식을 미리 알고 계시면 원활한 수강이 가능하지만, 강의 초반부에 핵심 내용을 한 번 정리해 드리기 때문에 걱정하지 않으셔도 됩니다.

강사 소개.

cb036064838-200x200

강사 Harry Kim

코딩은 ‘Learning by Doing’이라고 생각합니다. 이론만 안다고 할 수 있는 것도 아니고, 공개된 코드를 한 번 따라 써봤다고 할 수 있는 것은 더더욱 아닙니다. 자기 자신이 생각한 아이디어를 구현할 수 있을 때, 비로소 코딩을 배우고 익혔다고 생각합니다.
이런 점에서 딥러닝은 기존에 불가능했던 모델을 구현할 수 있게 해주는 굉장히 매력적인 분야입니다. 본 강의 [PyTorch로 시작하는 딥러닝 입문 CAMP]에서는 친숙해지기 쉬운 딥러닝 라이브러리 PyTorch를 기반으로, 자그마한 아이디어부터 큰 아이디어까지 차근차근 실현해 나아가는 것을 목표로 합니다.

[ 약력 ]

– 서울대학교 산업공학과 석박사통합과정 재학 중
– 서울대학교 산업공학과 학사
– 입문자 대상 파이썬 교육 다수 진행

수강 전에 꼭 확인하세요!

본 강의는 Python에 기반을 둔 딥러닝 라이브러리 PyTorch로 진행되기 때문에 다음과 같은 파이썬 기본 개념을 알고 계신 상태에서 수강하실 것을 권장 드립니다.
아래 항목 중 3개 이상 yes라고 답하실 수 있어야, 수강에 어려움이 없습니다.

1) 파이썬이 개인 laptop에 설치되어 있다.

2) 파이썬에서 list, tuple, dictionary가 무슨 의미인지 알고 있다.

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

4) 파이썬에서 def가 무엇을 위한 명령어인지 알고 있다.

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

{ 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.

수강료 안내.

PyTorch로 보다 빠르게 딥러닝에 입문하라!

PyTorch로 시작하는 딥러닝 입문 CAMP

일    정 2019.7.13.~ 2019.9.7. | 8월 17일 광복절 연휴 휴강
매주 토요일 10:00 ~ 13:00 | 총 8회
준비물 개인 노트북 사용 추천
(본인 PC에 맞는 개발 환경 설정 및 원활한 개별 실습을 위하여)
장    소 강남역 4번출구 부근
문    의 윤형진 매니저 : 02-517-0641
궁금하신 사항이 있으면 언제든 연락주세요 🙂

출시기념 할인가: 102만원
정가: 120만원

※ 출시기념 15% 할인 | 6월 27일 마감
※ 할인가는 매주 목요일 자정에 변경됩니다.
※ 카드 12개월 무이자 할부 가능!

수강신청

강의 장소.

학습 지원 프로젝트

공부도 하고! 학습지원금도 받고!

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

학습 목표: 과제 및 학습노트 제출

[일정] 과제 제출 5회/ 학습노트 제출 3회
1회차: 7월 16일(화)까지 학습노트 작성 후 제출
2회차: 7월 23일(화)까지 학습노트 작성 후 제출
3회차: 7월 30일(화)까지 과제 작성 후 제출
4회차: 8월 6일(화)까지 과제 작성 후 제출
5회차: 8월 13일(화)까지 과제 작성 후 제출
6회차: 8월 27일(화)까지 과제 작성 후 제출
7회차: 9월 3일(화)까지 과제 작성 후 제출
8회차: 9월 10일(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.