처음부터 시작하는 딥러닝 유치원 Online. (끝장 패키지 포함)
딥러닝 쉽다더니, 시작하기도 전에 지쳤나요..?
좌절포인트 1
좌절포인트 2
좌절포인트 3
"
이런 고민 없이,
딥러닝 공부 시작할 순 없을까요?
Point 01
정말 입문자를 위한 수업일까? 걱정하실까봐 말씀드립니다.
딥러닝 유치원에선 아래 3가지를 하지 않을 거예요!
인공지능, 신경망, 딥러닝에 대한 사전 학습을 요구하지 않아요!
딥러닝의 의미와 자주 사용되는 용어를 풀어서 설명하는 것부터 시작합니다.
기초 수학(ex. 미분)을 다 알고 왔을 거라 넘겨짚지 않아요!
문과생, 비전공자를 위해 딥러닝 구현의 기초가 되는 미분도 강의에서 다룹니다.
개발 환경 세팅 정도는 알아서 하게 두지 않아요!
파이썬 설치 및 개발 환경 세팅, Pytorch 활용 실습을 진행합니다.
Point 02
단계별로 필요한 강의나 자료를 따로 검색하거나 찾아볼 필요 전혀 없어요!
딥러닝 기초로 입문해서 기계번역기까지 직접 구현하는
체계적인 로드맵을 그냥 따라가면 되니까요.
-
16가지 주제, 약 23시간 분량
딥러닝 입문자 눈높이에 맞춰 딥러닝 기술 구현에 필요한 기본기를 다지고 간단한 프로젝트 실습까지 진행합니다.
처음부터 시작하는 딥러닝 유치원
아래 수강신청 버튼을 클릭해주세요
-
13가지 주제, 약 31시간 분량
자연어처리 입문부터 모델 구현까지 직접 해보면서 서비스 상용화 수준의 자연어처리 전 과정을 경험합니다.
딥러닝을 활용한 자연어처리 입문
강의 자세히 보기
-
9가지 주제, 약 30시간 분량
자연어 생성 최신 기술을 마스터하고 기계 번역기를 직접 구현할 수 있습니다.
딥러닝을 활용한 자연어생성
강의 자세히 보기
Point 03
그간의 수많은 수강생들이 입증하는 강의!
딥러닝 분야 연구 10년 이상 경력의 현직자의 노하우를 그대로 가져가세요!
강사님의 포트폴리오
김기현 강사님의 딥러닝 연구 히스토리를
실제 포트폴리오로 확인해보세요!
11번가 글로벌 기계번역 시스템 개발
PyTorch를 활용하여 신경망 기계번역 시스템을 자체 개발하고 상품화했습니다. 일례로 11번가 글로벌 사이트에 해당 시스템을 배포하고 서비스하였습니다.
자동 통역기 지니톡 개발
필요한 내용을 음성으로 말하면 실시간으로 자동 번역된 결과를 보여주고 읽어주는 자동 통역기 지니톡 어플리케이션을 개발했습니다.
로봇팔 이상탐지 시스템 개발
현 직장인 '마키나락스'에서는 로봇을 활용하여, 기계공정 상의 불량을 자동으로 잡아내는 이상탐지 시스템 연구/개발에 참여 중입니다.
이커머스 사이트 추천 시스템 개발
'티켓몬스터(2016~2017)'에서는 딥러닝 기술을 활용하여 소비자에게 대체상품 또는 보완상품을 자동으로 추천하는 시스템 연구/개발, 배포하였습니다.
Point 04
어려운 딥러닝 기초 개념도 다양한 그림과 도식을 활용한 학습자료와 함께 보니까
더 쉽게 이해할 수 있을 거예요!
-
딥러닝 Overview앞으로 배울 딥러닝에 대해 전반적으로 설명합니다.
-
데이터셋이란학습을 하기 위한 데이터셋과 그 형태에 대해서 설명합니다.
-
Batch Matrix Multiplication (BMM)벡터와 행렬의 곱셈과 배치 행렬곱에 대해 배웁니다.
-
Linear Layer신경망의 가장 기본 구성 요소인 Linear Layer에 대해서 설명합니다.
-
미분미분의 개념을 소개하고 수식 표기법에 대해 배웁니다.
-
편미분편미분과 행렬의 미분에 대해서 소개하고, 표기법에 대해 배웁니다.
-
Gradient Descent신경망의 파라미터를 찾기 위한 경사하강법을 이야기합니다.
-
Linear LayerDeep Neural Networks비선형 데이터의 관계 및 함수를 근사할 수 있는 심층신경망에 대해 소개합니다.
-
수식: SGDSGD의 수식을 통해 개념을 다집니다.
-
Momentum, Adative LR & Adam Optimizer가장 널리 쓰이는 Adam Optimizer를 소개합니다.
-
오버피팅이란학습 데이터에만 학습이 치중되어 성능이 하락되는 오버피팅을 소개합니다.
-
Softmax & Cross Entropy분류 모델을 학습시키기 위한 softmax 함수와 교차 엔트로피 손실 함수에 대해 배웁니다.
*위 내용은 각 챕터별 실제 학습 자료의 일부를 발췌한 것입니다.
Point 05
타사 대비 단연 압도적인 분량!
23시간 분량 커리큘럼을 온라인으로 기간 제한 없이 쭉 수강해요!
딥러닝 유치원을 졸업하면
이렇게 바뀝니다.
딥러닝 기초 이론과 개념을 이해하고 직접 코드로 구현해볼 수 있습니다.
딥러닝 기초 개념과 수식에 대해 스스로 설명할 수 있게 됩니다.
딥러닝 기술을 활용하여 간단한 프로젝트를 내 손으로 구현할 수 있습니다.
이후 자연어처리 과정을 통해 원하는 결과물을 만들 수 있는 기초 실력을 갖춥니다.
이런 분이라면, 강력 추천!
• 딥러닝을 어디서부터 시작해야 할 지 모르겠는 왕초보 누구나
• 프로그래밍에 능숙하진 않고 수학은 자신 없지만, 딥러닝을 배우고 싶은 입문자
• 머신러닝 또는 딥러닝 엔지니어로 커리어를 연결하고 싶은 주니어 개발자
• 인공지능 관련 학문에 관심이 있는 대학생 또는 대학원생
딥러닝 공부,
여기서 바로 시작해요.
개념 + 수식 + 코딩 3박자 완성
어려운 딥러닝 기초 개념은 그림과 도식으로, 기초 수학 이론 및 코딩 실습까지 빠짐 없이 강의에서 다룹니다.
23시간으로 기초부터 실습까지
실습 환경 세팅부터 PyTorch 튜토리얼, 딥러닝 개념과 필수 이론, 프로젝트 실습까지 폭넓게 다룹니다.
로드맵만 따라가면 OK!
초보자도 자연어처리까지 완성할 수 있도록 만들어진 체계적인 로드맵에서 입문에 해당하는 강의입니다.
딥러닝 분야에서 10년 이상 경력
현직에서 10년 이상 경력을 쌓은 베스트셀러 저자의 노하우와 꿀팁을 온라인으로 만나볼 수 있습니다.
강사님을 만나보세요.
김기현 수석연구원
- RaPP: Novelty Detection with Reconstruction along Projection Pathway, Ki Hyun Kim et al., ICLR, 2020
- 김기현의 자연어 처리 딥러닝 캠프 파이토치 편, Ki Hyun Kim, 한빛미디어, 2019
[강의 경력]
- 김기현의 딥러닝을 활용한 자연어처리 입문 올인원 패키지 Online, 패스트캠퍼스
- 김기현의 딥러닝을 활용한 자연어생성 올인원 패키지 Online, 패스트캠퍼스
- 자연어처리를 위한 딥러닝 CAMP, 패스트캠퍼스
- PyTorch를 활용한 자연어처리 심화 CAMP, 패스트캠퍼스
- 신경망 기계번역 튜토리얼, [SKT, KT, KTDS, NSR]
[연구 발표]
- RaPP: Novelty Detection with Reconstruction along Projection Pathway, 삼성전자 종합기술원, 2020 7월
- RaPP: Novelty Detection with Reconstruction along Projection Pathway, 국가보안연구소(NSR), 2020 6월
- Industrial AI와 Anomaly Detection: 알고리즘과 적용 사례, KT 머신러닝데이, 2019 12월
- Anomaly Detection for Industrial Manufacturing, 한국전자통신연구원(ETRI), 2019 11월
- Operational AI: 지속적으로 학습하는 Anomaly Detection 시스템 만들기, 네이버 DEVIEW, 2019 10월
(현) 대기업 S 통신사
- 언어모델링 및 챗봇 연구/개발
(전) 마키나락스 수석연구원
- 이상탐지 및 생성 모델 학습 연구/개발
(전) SK플래닛 머신인텔리전스랩
- 신경망 기계번역 연구/개발 및 상용화
- SK플래닛 SUPEX 수상
(전) 티켓몬스터 데이터랩
- 추천시스템 및 자연어처리 시스템 개발 및 상용화
(전) 한국전자통신연구원(ETRI) 자동통역연구실
- 자동통역(음성인식 및 언어모델) 연구/개발 및 상용화
- 특허기술상(특허청) 충무공상 : 자동통역시스템 발명
상세 커리큘럼 엿보기.
상세 커리큘럼과 무료 공개 클립을 통해 강의를 미리 확인해보세요!
지금 한 번만 결제하고 모든 강의를 평생 소장 가능합니다.
(* 무료 공개 영상은 파트의 일부 강의 클립입니다.)
-
Chapter 1. 딥러닝 유치원 강의 소개- Orientation20분 ㅣ 1개 강의무료 공개
-
Chapter 2. 실습을 위한 환경셋팅- 환경 구축하기 (아나콘다 설치)
- IDE 환경 구축하기 (VSCode)20분 ㅣ 2개 강의무료 공개 -
Chapter 3. 딥러닝의 의미와 용어설명- Introduction
- 좋은 인공지능이란?
- 용어 설명
- Appendix : 기초 수학 용어 정리1시간 10분 ㅣ 4개 강의Chapter 3. 딥러닝의 의미와 용어설명- Introduction
- 좋은 인공지능이란?
- 용어 설명
- Appendix : 기초 수학 용어 정리1시간 10분 ㅣ 4개 강의 -
Chapter 4. 파이토치(PyTorch) Tutorials- 왜 파이토치인가?
- 실습: 파이토치 설치
- 데이터셋이란
- 텐서란?
- 실습: 텐서 생성하기
- 실습: 기본 연산
- 실습: 텐서 형태 변환
- 실습: 텐서 자르기 & 붙이기
- 실습: 유용한 함수들2시간 30분 ㅣ 9개 강의Chapter 4. 파이토치(PyTorch) Tutorials- 왜 파이토치인가?
- 실습: 파이토치 설치
- 데이터셋이란
- 텐서란?
- 실습: 텐서 생성하기
- 실습: 기본 연산
- 실습: 텐서 형태 변환
- 실습: 텐서 자르기 & 붙이기
- 실습: 유용한 함수들2시간 30분 ㅣ 9개 강의 -
Chapter 5. 신경망의 기본 구성요소 살펴보기- 행렬 곱
- 실습: 행렬 곱
- Linear Layer
- 실습: Linear Layer
- 실습: GPU 사용하기1시간 5분 ㅣ 5개 강의Chapter 5. 신경망의 기본 구성요소 살펴보기- 행렬 곱
- 실습: 행렬 곱
- Linear Layer
- 실습: Linear Layer
- 실습: GPU 사용하기1시간 5분 ㅣ 5개 강의 -
Chapter 6. 신경망이 잘 학습하는지 판단하기- Loss Function
- 실습: MSE Loss25분 ㅣ 2개 강의Chapter 6. 신경망이 잘 학습하는지 판단하기- Loss Function
- 실습: MSE Loss25분 ㅣ 2개 강의 -
Chapter 7. 기초 최적화 방법 : Gradient Descent- Appendix: 미분
- Appendix: 편미분
- Gradient Descent
- Learning rate에 따른 특성
- 실습: Gradient Descent 구현
- 실습: PyTorch AutoGrad 소개
- Wrap-up2시간 ㅣ 7개 강의Chapter 7. 기초 최적화 방법 : Gradient Descent- Appendix: 미분
- Appendix: 편미분
- Gradient Descent
- Learning rate에 따른 특성
- 실습: Gradient Descent 구현
- 실습: PyTorch AutoGrad 소개
- Wrap-up2시간 ㅣ 7개 강의 -
Chapter 8. 선형회귀(Linear Regression)- Linear Regression by Gradient Descent
- 수식: Linear Regression
- 실습: Linear Regression40분 ㅣ 3개 강의Chapter 8. 선형회귀(Linear Regression)- Linear Regression by Gradient Descent
- 수식: Linear Regression
- 실습: Linear Regression40분 ㅣ 3개 강의 -
Chapter 9. 로지스틱 회귀(Logistic Regression)- Activation Function: Sigmoid
- 실습: Sigmoid Function
- Logistic Regression
- Binary Cross Entropy Loss
- 수식: Logistic Regression
- 실습: Logistic Regression
- Wrap-up1시간 10분 ㅣ 7개 강의Chapter 9. 로지스틱 회귀(Logistic Regression)- Activation Function: Sigmoid
- 실습: Sigmoid Function
- Logistic Regression
- Binary Cross Entropy Loss
- 수식: Logistic Regression
- 실습: Logistic Regression
- Wrap-up1시간 10분 ㅣ 7개 강의 -
Chapter 10. 딥러닝 입문 ① (회귀)- Deep Neural Networks
- Back-propagation
- 수식: Back-propagation
- Gradient Vanishing
- ReLU
- 실습: Deep Regression
- Wrap-up1시간 40분 ㅣ 7개 강의Chapter 10. 딥러닝 입문 ① (회귀)- Deep Neural Networks
- Back-propagation
- 수식: Back-propagation
- Gradient Vanishing
- ReLU
- 실습: Deep Regression
- Wrap-up1시간 40분 ㅣ 7개 강의 -
Chapter 11. 일부 데이터로 속도를 빠르게 (Stochastic Gradient Descent) 무료 공개- Stochastic Gradient Descent (SGD)
- 수식: SGD
- 미니배치 크기에 따른 특징
- 실습: SGD 적용하기55분 ㅣ 4개 강의Chapter 11. 일부 데이터로 속도를 빠르게 (Stochastic Gradient Descent)- Stochastic Gradient Descent (SGD)
- 수식: SGD
- 미니배치 크기에 따른 특징
- 실습: SGD 적용하기55분 ㅣ 4개 강의무료 공개 -
Chapter 12. 딥러닝 학습을 쉽게 하는 방법- 하이퍼 파라미터란?
- TIP: 효율적인 연구 진행 방법
- Momentum, Adative LR & Adam Optimizer
- 수식: Adaptive LR Optimizer
- 실습: Adam Optimizer 적용하기
- Wrap-up1시간 35분 ㅣ 7개 강의Chapter 12. 딥러닝 학습을 쉽게 하는 방법- 하이퍼 파라미터란?
- TIP: 효율적인 연구 진행 방법
- Momentum, Adative LR & Adam Optimizer
- 수식: Adaptive LR Optimizer
- 실습: Adam Optimizer 적용하기
- Wrap-up1시간 35분 ㅣ 7개 강의 -
Chapter 13. 딥러닝 모델의 실험 과정- 실험 과정 소개
- 오버피팅이란?
- 실습: 실험 환경 구성하기55분 ㅣ 3개 강의Chapter 13. 딥러닝 모델의 실험 과정- 실험 과정 소개
- 오버피팅이란?
- 실습: 실험 환경 구성하기55분 ㅣ 3개 강의 -
Chapter 14. 딥러닝 입문 ② (분류)- Deep Binary Classification
- Precision & Recall
- 실습: Deep Binary Classification
- 분류(Classification)
- Softmax & Cross Entropy
- Confusion Matrix
- 실습: Deep Classification
- Wrap-up2시간 20분 ㅣ 10개 강의Chapter 14. 딥러닝 입문 ② (분류)- Deep Binary Classification
- Precision & Recall
- 실습: Deep Binary Classification
- 분류(Classification)
- Softmax & Cross Entropy
- Confusion Matrix
- 실습: Deep Classification
- Wrap-up2시간 20분 ㅣ 10개 강의 -
Chapter 15. 딥러닝의 성능개선을 위한 Regularizations- Regularization이란?
- Weight Decay
- Data Augmentation
- Dropout
- Batch Normalization
- 실습: Regularization
- Wrap-up1시간 50분 ㅣ 8개 강의Chapter 15. 딥러닝의 성능개선을 위한 Regularizations- Regularization이란?
- Weight Decay
- Data Augmentation
- Dropout
- Batch Normalization
- 실습: Regularization
- Wrap-up1시간 50분 ㅣ 8개 강의 -
Chapter 16. 딥러닝 프로젝트 Exercise 무료 공개- 실무에서 신경써야 할 것들
- 시작하기 전에 해야 할 것들
- 실습 브리핑
- 실습: Classifier 구현하기
- 실습: Trainer 구현하기
- 실습: train.py 구현하기
- 실습: CLI 환경에서 실행하기
- 실습: predict.ipynb 구현하기
- Wrap-up3시간 10분 ㅣ 12개 강의Chapter 16. 딥러닝 프로젝트 Exercise- 실무에서 신경써야 할 것들
- 시작하기 전에 해야 할 것들
- 실습 브리핑
- 실습: Classifier 구현하기
- 실습: Trainer 구현하기
- 실습: train.py 구현하기
- 실습: CLI 환경에서 실행하기
- 실습: predict.ipynb 구현하기
- Wrap-up3시간 10분 ㅣ 12개 강의무료 공개 -
Chapter 17. 강의 summary- 클래스 요약20분 ㅣ 1개 강의무료 공개
-
상세 커리큘럼.
자세한 커리큘럼 및 내용은 여기서 확인하세요!
강의 구매 및 이용 안내.
결제 후, 언제 어디서나 하루 10분 공부 시작.
• 홈페이지 회원가입 및 로그인
• 원하는 강의 결제하기
• 마이페이지에서 강의 시청하기
하루 10분으로
완전 정복.
입문자 눈높이에 맞춘 커리큘럼.
문과생, 비전공자도 포기 없이 딥러닝에 입문할 수 있도록, 어려운 딥러닝 기초 개념은 그림과 도식으로 설명하고 기초 수학 이론까지 강의에서 짚어 드립니다.
실제 업무 활용도 100%.
딥러닝 분야에서만 10년 이상의 경력을 쌓은 강사님의 노하우와 꿀팁을 온라인 강의에서 모두 공개합니다.
원하는 장소 어디서나.
오프라인 강의로밖에 만날 수 없었던 현직자의 딥러닝 입문 강의를 온라인으로 편리하게 수강해보세요.
무제한 반복 학습과 평생 소장.
23시간 분량의 방대한 강의를 단 한 번의 결제로 기간 제한 없이 반복하여 수강할 수 있습니다.
김기현의 PyTorch를 활용한
딥러닝 유치원 Online 상세정보.