딥러닝

smartlearning과목입니다. 모집마감
딥러닝 정보
학기/기수 2023년 1학기 2기수 학습기간 2023.01.12(Thu) ~
2023.04.26(Wed)/15주
총정원 800명 인정학점 3학점
개발교수 이수구분 : (*) 표기 : 전공필수, (*) 표기 없음 : 전공선택 김지영 운영교수 김윤희 김지영 박혜영
관련전공
(이수구분) 이수구분 : (*) 표기 : 전공필수, (*) 표기 없음 : 전공선택
  • 학사 : 인공지능 전공  
  • 전문학사 : -
  • 자격증 :
수강료
  • 150,000 > 120,000원
  • ※ 결제단계에서 최종 할인가를 확인할 수 있습니다.

과목 정보

과목 정보
과목개요 본 수업은 최근 인공지능 발전을 이끌고 있는 현대적 신경망과 관련된 분야인 딥러닝에 대한 기초적인 이론과 실제를 공부하는 것을 목표로 한다. 딥러닝의 기초가 되는 회귀알고리즘, 확률적 경사 하강법 등을 익히고 표준적인 신경망 모델들, 학습기법들 그리고 이미지와 텍스트를 위한 인공 신경망에 대해 학습한다.
학습목표 • 인공지능의 발전방향을 예측할 수 있고 지도 학습과 비지도 학습의 차이를 설명할 수 있다. • 딥러닝을 위한 파이썬과 넘파이 그리고 판다스를 사용할 수 있다. • Matplotlib 라이브러리를 이용하여 데이터를 시각화 할 수 있다. • 지도학습의 분류 알고리즘의 기초를 이해하여 분류 학습의 대표적인 알고리즘을 설명할 수 있다. • 회귀문제를 이해할 수 있고 KNN 알고리즘을 사용해 예측할 수 있다. • 로지스틱 회귀와 주성분 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하는 방법을 설명할 수 있다. • 딥러닝과 인공 신경망 알고리즘을 이해하고 텐서플로우를 사용해 간단한 인공 신경망 모델을 제작할 수 있다. • 합성곱 신경망을 구성하는 기본 개념과 동작 원리를 설명할 수 있다. • 텍스트와 시계열 데이터와 같은 순차 데이터에 잘 맞는 순환 신경망의 개념을 설명할 수 있다.
평가기준
  • 출석 : 20%
  • 중간고사 : 30%
  • 기말고사 : 30%
  • 과제물 : 10%
  • 참여도 : 6% 토론, 강의평가
  • 수시평가1차 : 2%
  • 수시평가2차 : 2%
※ 수료기준은 진도율 80% 이상 및 총점 60점 이상을 충족하셔야 합니다.
성적분포 A 이상 30% 이내 B 이상 70% 이내 C+ 이하 B이상을 제외한 나머지 비율
※ 단, 위의 각 비율은 과목 특성 등의 사유로 학습자의 10% 범위 내에서 증감 조정이 가능.
교재
  • 학습용교안

    주교재
    교재명 : 학습용교안
    저자 : 개발교강사
    출판사 : 자체제작
    출판년도 : 2021

수강후기

2024년도 1학기 5기수

수강신청 2024.03.14 (Thu) ~ 04.17 (Wed)까지
학습기간 2024.04.18 (Thu) ~ 07.31 (Wed)까지