AI Academy (Technical Track Package)
| 기술분야 | AI Academy | 신청하기 | |
| 교육일정 | 2018-05-14~2018-06-22 | 교육 기간 | 20 일 |
| 교육 금액 | 4,800,000원 | 쿠폰등록시 | 0매 |
| 접수파일 | |||
| 이벤트&프로모션 |
| 본 과정은 전체 6개의 교육으로 구성되어 있으며, Technical Track Package 로 수강시에는 단과 과정에 비하여 40%할인된 가격으로 수강 가능합니다. (정가 8,000,000원에서 40%할인된 4,800,000원) |
| 과정 설명 |
| 6개 과정의 Technical Track으로 구성되어 있습니다. 본 package 과정에서는 인공지능 개론에서 부터 파이썬, 딥러닝, 개발 프로젝트까지의 이론과 실습의 적절한 배치로 보다 실용적인 교육으로 진행 됩니다. |
| 수강 대상 |
| 과정 소개 |
| 1. 인공지능 개론 [1일차] 인공지능개론 - 인공지능 기술 개요 - 인공지능 모델의 종류와 응용 사례 - 상용 인공지능 서비스 - 영상인식 응용 기술 및 응용 - 챗봇 서비스 기술 및 응용 [2일차] 인공지능을 위한 파이썬 - Python 소개 및 개발 환경 설정 - 통계 분석을 위한 Python 프로그래밍 학습 - 기계학습 알고리즘과 Neural Networks 이해 2. 인공지능을 위한 파이썬 [3일차] 파이썬 라이브러리 - 수치 연산 라이브러리 [Numpy / Scipy] - 시각화 라이브러리 [matplotlib] - 데이터 분석 라이브러리 [Pandas] - 머신러닝 라이브러리 [Scikit-learn] [4일차] 머신러닝 알고리즘(1) - kNN - K-MEANS - Naive Bayes [5일차] 머신러닝 알고리즘(2) - Linear regression & Logistic regression - Decision Tree - Deep neural network 3. 딥러닝 프레임워크(TensorFlow) [6일차] Deep Learning 개요 - Deep feedforward network * Feed-forward neural networks * Computational graph and backpropagation - Optimization for training deep models - Regularization [7일차] Convolutional Networks - CNN (Convolution Neural Networks) * Convolutional layers * Activation * Pooling * Batch Normalization * Dropout - AlexNet / VGGNet architecture [8일차] Recurrent neural networks & Auto Encoder - RNN (Recurrent Neural Networks) - LSTM and gated recurrent units - CTC - Seq2Seq architectures - Attention models - AutoEncoder / Seq2Seq - Complex Network Models / Representative models 4. 딥러닝 기반 영상 인식 기술 [9일차] Pixel Data 처리를 위한 Image Processing - Image Processing Fundametals - Image Coordinate System - Scaling and Aspect Ratios - Image Classification [10일차] 시각인지를 위한 딥러닝 - Deep Learning Classification Pipeline - Optimization Methods and Regularization - Learning Rate Schedulers - Spotting Underfitting and Overfitting - Visualizing Network Architectures - CNNs for Classification [11일차] 딥러닝 시각 인지 아키텍쳐 이해 - Data Augmentation - Networks as Feature Extractors - Ranked Accuracy / Fine-tuning Networks - Advanced Optimization Methods - AlexNet / VGGNet / GoogLeNet / ResNet [12일차] 딥러닝 기반 영상처리 실무 - 이미지 탐색 알고리즘 * R-CNN / You Only Look Once * AttentionNet - 시각인지(Visualizing and Understanding) * 시각적 특징 및 반전(Feature visualization and inversion) * 적대적 예시(Adversarial examples) 5. 딥러닝 기반 텍스트마이닝과 챗봇 구현기술 [13일차] NLP의 개념 이해 / 규칙 기반의 자연어처리 / 응용 시스템 소개 - 최근 AI 서비스 동향과 자연어처리 기술 - 규칙 및 통계 기반의 자연어처리 기술 (형태소분석, 품사 태깅, 구문분석, 감성분석, 의미분석 등) - 언어데이터의 종류와 구축 방안 - NLP 응용 시스템 소개 - 한국어 자연어처리를 위한 KoNLPy 소개 [14일차] NLP와 기계학습 - 기계학습 및 딥러닝에 대한 기본 개념 소개 - 기계학습 기반 자연어처리 기술 개발 (Word2Vec, 청커, 감정 분석, 기계번역) [15일차] 챗봇을 위한 딥러닝 - 챗봇 개론 - 딥러닝 기법 챗봇에 활용법 (Seq2seq / Attention Networks / Machine Comprehension / VAE) 6. 인공지능 서비스 개발 Project 내용 [16일차] 프로젝트 소개, 팀구성 / 언어/시각인지 기술 설명 / 프로젝트 과제 선정 - 프로젝트 소개, 방법론, 팀구성 - 딥러닝 기본 정보 및 실습 주제 /수행정보 안내 - 프로젝트 수행 계획 안내 및 주제 결정 [17일차] 프로젝트 수행 계획서 / 프로젝트 수행을 위한 딥러닝 실습 교육 - 프로젝트 수행 계획서 리뷰 및 제출 - 프로젝트 수행 계획 안내 및 주제 결정 [18일차] 프로젝트 수행 - 조별 프로젝트 수행 [19일차] 프로젝트 피드백 및 멘토링 - 딥러닝 기술기법 및 실습프로젝트 수행, 중간 점검 [20일차] 프로젝트 피드백 및 멘토링 / 프로젝트 결과 발표 - 딥러닝 기술기법 및 실습프로젝트 수행, 중간 점검 - 프로젝트 결과 발표 |
| 선수과정 |
| 별도의 선수 지식 없음 |
| 교육 장소 |
|
한국글로벌널리지 교육센터 [찾아오시는 길] 서울특별시 강남구 테헤란로 222 도원빌딩 3층~4층 [교육장 약도]  |