- 수강학년 중1|중2|중3
- 강좌유형 미래교육 4.0
- 강의수 13/13강 [완강]
- 수강기간 30일
- 교재 교재 파일제공
강좌 범위
※ PyTorch의 주요 기능을 이어서 학습하고, 딥러닝 모델 구현에 필요한 기본 활용 방법을 익힌다.
강좌 특징
-
■ PyTorch의 주요 기능을 단계적으로 학습하며 딥러닝 활용 능력을 기를 수 있는 강좌입니다.
-
■ 딥러닝의 기본 원리와 프레임워크 활용 방법을 함께 익힙니다.
-
★미래교육 4.0 강좌★
-
-
AI 기술 이해와 활용 역량 강화
-
-
-
실습 중심의 딥러닝 학습
-
수강 대상
★ PyTorch 기초를 익히고 딥러닝 모델 구현 방법을 배우고 싶은 누구나!
기타
★본 강좌는 교안과 예제로 진행됩니다.
★예제는 '강좌 자료실'에 업로드 되어있습니다.
★예제는 '강좌 자료실'에 업로드 되어있습니다.
| 강 | 강의명 | 강의시간 | 페이지 |
|---|---|---|---|
| 1강 | 실제 세상의 데이터를 텐서로 표현하는 방법 | 59분 | |
| 2강 | 텐서 레이아웃 변경, 데이터 정규화 및 3D 데이터 | 66분 | |
| 3강 | 테이블형 데이터 전처리와 원핫 인코딩 | 55분 | |
| 4강 | 데이터 통계 분석과 블리언 인덱싱을 이용한 모델 평가 | 52분 | |
| 5강 | 시계열 데이터 전처리와 차원 변경 | 52분 | |
| 6강 | 텍스트 데이터의 정규화, 원핫 인코딩 및 단어 임베딩 | 63분 | |
| 7강 | 머신러닝 학습의 역사와 선형 모델 파라미터 피팅 | 57분 | |
| 8강 | 손실 함수와 수치 미분을 통한 경사 하강법 원리 | 67분 | |
| 9강 | 해석적 미분과 연쇄 법칙을 이용한 손실 함수 최적화 | 44분 | |
| 10강 | 훈련 루프 구현 및 데이터 정규화를 통한 학습 안정화 | 32분 |
| 강 | 강의명 | 강의시간 | 페이지 |
|---|---|---|---|
| 1강 | 실제 세상의 데이터를 텐서로 표현하는 방법 | 59분 | |
| 2강 | 텐서 레이아웃 변경, 데이터 정규화 및 3D 데이터 | 66분 | |
| 3강 | 테이블형 데이터 전처리와 원핫 인코딩 | 55분 | |
| 4강 | 데이터 통계 분석과 블리언 인덱싱을 이용한 모델 평가 | 52분 | |
| 5강 | 시계열 데이터 전처리와 차원 변경 | 52분 | |
| 6강 | 텍스트 데이터의 정규화, 원핫 인코딩 및 단어 임베딩 | 63분 | |
| 7강 | 머신러닝 학습의 역사와 선형 모델 파라미터 피팅 | 57분 | |
| 8강 | 손실 함수와 수치 미분을 통한 경사 하강법 원리 | 67분 | |
| 9강 | 해석적 미분과 연쇄 법칙을 이용한 손실 함수 최적화 | 44분 | |
| 10강 | 훈련 루프 구현 및 데이터 정규화를 통한 학습 안정화 | 32분 | |
| 11강 | 파이토치 오토그라드(Autograd)를 활용한 자동 미분 | 61분 | |
| 12강 | 실전 신경망 역전파 구현 및 오토그라드 적용 | 38분 | |
| 13강 | 옵티마이저(Optimizer) 적용과 검증 세트를 통한 평가 | 31분 |




.gif)
.png)
.png)