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 |
|
|||||
※ 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 |
|
수강신청
2024.09.05 (Thu) ~ 09.18 (Wed)까지
학습기간
2024.09.19 (Thu) ~ 01.01 (Wed)까지