1. 시각,언어지능을 위한 딥러닝 심화 (8일 X 4시간 = 32시간 )
1) CoLab 사용방법 및 분석 프로세스 이해 (1H)
- CoLab 사용방법
- 분석 프로세스 이해
2) DeepLearning MLP 실습 (3H)
- DeepLearning 개념 리뷰 및 용어 정리
- Keras Fast Track
- MLP 모델 실습
3) Convolutional neural network 이해 (4H)
- CNN 개념
- CNN 특징
- CNN 구조
4) CNN 실습 (6H)
- Convolutional layers
- Activation
- Pooling
- Batch Normalization
- Dropout
5) CNN With Neural Network Architecture (6H)
- Image Magick 기반 image 전처리
- NNA(Neural Network Architecture) 소개 및 특성 비교
- VGG, ResNet, Inception with Keras
6) Recurrent Neural Network 이해 (4H)
- RNN 개념
- RNN 특징
- RNN 구조
7) RNN 실습 (4H)
- RNN 손실 함수 실습
- RNN 오류 역전파 실습
- 기타 RNN Architecture 실습
8) Long Short-Term Memory (4H)
- LSTM 이해
- LSTM History
- LSTM 실습
- LSTM 응용분야
2. 시각지능 딥러닝 (12일 X 4시간 = 48시간 )
1) CoLab 사용방법 및 분석 프로세스 이해 (1H)
- CoLab 사용방법
- 분석 프로세스 이해
2) Image 프로세싱 (11H)
- Computer Vision 이란?
- Color Space & Image File Format
- Image Processing
- ImageMagick Fast Track
- OpenCV 이해 및 기능
- OpenCV기반 이미지 가공 실습
3) Image기반의 딥러닝 (8H)
- Keras 기반 이미지 분류기 만들기 실습
- NNA(Neural Network Architecture) 소개 및 특성 비교
- ImageNet DataSet and Others
- VGG, ResNet, Inception with Keras
- Mini-Project : 개인 소유 이미지를 이용 Object Detection과 Image Segmentation을 이용한 대상 이미지 추출
4) Image기반의 딥러닝 실무 (16H)
- Google Tensorflow Serving 개념
- Tensorflow 학습 모델(Checkpoint)과 Tensorflow Serving 모델(Saved Model)
- Saved Model 생성 방법
- Yolo 기반 Object Dection 실습
- Image Segmentation 실습
- Mini-Project : NNA(Inception) 활용 Neural Art 실습
3) 개인 프로젝트 (12H)
- Kaggle-Project 소개
- Project 설계
- 전처리
- EDA
- Model
- Visualization
- Service
3. 언어지능 딥러닝 (10일 X 4시간 = 40시간 )
1) CoLab 사용방법 및 분석 프로세스 이해 (1H)
- CoLab 사용방법
- 분석 프로세스 이해
2) 자연어 처리 개요와 전처리(7H)
- CoLab통한 형태소 분석
- 사용자 정의 Corpus 생성
- Word Tokenization와 불용어 처리
- 정규 표현식 활용
3) Count based word Representation(8H)
- Counter Vector와 Bag of Words 생성
- Dense representation
- Document-Term Matrix와 성향 분석
- tf-idf
- Tokenier Vector 생성
- n-gram 기법
4) NLP에 DeepLearning 기법 적용 기초(6H)
- BoW와 MLP
- Tokenier Vector와 1d CNN
- Tokenier Vector와 RNN(seq2seq )
- Tokenier Vector와 BiDirectional RNN
5) Word Embedding(6H)
- LSA
- Word2Vec
- FastText
- Glove
6) NLP 시각화(2H)
- EDA를 위한 NLP시각화
- Word Cloud
- t-SNE
7) NLP 고급 딥러닝 기법 (2H)
- Bidirectional Encoder Representations from Transformers
- Generation Pre-trained Transformer 3
8) 개인 프로젝트 (8H)
- Kaggle-Project 소개
- Project 설계
- 전처리
- EDA
- Model
- Visualization
- Service
1) CoLab 사용방법 및 분석 프로세스 이해 (1H)
- CoLab 사용방법
- 분석 프로세스 이해
2) DeepLearning MLP 실습 (3H)
- DeepLearning 개념 리뷰 및 용어 정리
- Keras Fast Track
- MLP 모델 실습
3) Convolutional neural network 이해 (4H)
- CNN 개념
- CNN 특징
- CNN 구조
4) CNN 실습 (6H)
- Convolutional layers
- Activation
- Pooling
- Batch Normalization
- Dropout
5) CNN With Neural Network Architecture (6H)
- Image Magick 기반 image 전처리
- NNA(Neural Network Architecture) 소개 및 특성 비교
- VGG, ResNet, Inception with Keras
6) Recurrent Neural Network 이해 (4H)
- RNN 개념
- RNN 특징
- RNN 구조
7) RNN 실습 (4H)
- RNN 손실 함수 실습
- RNN 오류 역전파 실습
- 기타 RNN Architecture 실습
8) Long Short-Term Memory (4H)
- LSTM 이해
- LSTM History
- LSTM 실습
- LSTM 응용분야
2. 시각지능 딥러닝 (12일 X 4시간 = 48시간 )
1) CoLab 사용방법 및 분석 프로세스 이해 (1H)
- CoLab 사용방법
- 분석 프로세스 이해
2) Image 프로세싱 (11H)
- Computer Vision 이란?
- Color Space & Image File Format
- Image Processing
- ImageMagick Fast Track
- OpenCV 이해 및 기능
- OpenCV기반 이미지 가공 실습
3) Image기반의 딥러닝 (8H)
- Keras 기반 이미지 분류기 만들기 실습
- NNA(Neural Network Architecture) 소개 및 특성 비교
- ImageNet DataSet and Others
- VGG, ResNet, Inception with Keras
- Mini-Project : 개인 소유 이미지를 이용 Object Detection과 Image Segmentation을 이용한 대상 이미지 추출
4) Image기반의 딥러닝 실무 (16H)
- Google Tensorflow Serving 개념
- Tensorflow 학습 모델(Checkpoint)과 Tensorflow Serving 모델(Saved Model)
- Saved Model 생성 방법
- Yolo 기반 Object Dection 실습
- Image Segmentation 실습
- Mini-Project : NNA(Inception) 활용 Neural Art 실습
3) 개인 프로젝트 (12H)
- Kaggle-Project 소개
- Project 설계
- 전처리
- EDA
- Model
- Visualization
- Service
3. 언어지능 딥러닝 (10일 X 4시간 = 40시간 )
1) CoLab 사용방법 및 분석 프로세스 이해 (1H)
- CoLab 사용방법
- 분석 프로세스 이해
2) 자연어 처리 개요와 전처리(7H)
- CoLab통한 형태소 분석
- 사용자 정의 Corpus 생성
- Word Tokenization와 불용어 처리
- 정규 표현식 활용
3) Count based word Representation(8H)
- Counter Vector와 Bag of Words 생성
- Dense representation
- Document-Term Matrix와 성향 분석
- tf-idf
- Tokenier Vector 생성
- n-gram 기법
4) NLP에 DeepLearning 기법 적용 기초(6H)
- BoW와 MLP
- Tokenier Vector와 1d CNN
- Tokenier Vector와 RNN(seq2seq )
- Tokenier Vector와 BiDirectional RNN
5) Word Embedding(6H)
- LSA
- Word2Vec
- FastText
- Glove
6) NLP 시각화(2H)
- EDA를 위한 NLP시각화
- Word Cloud
- t-SNE
7) NLP 고급 딥러닝 기법 (2H)
- Bidirectional Encoder Representations from Transformers
- Generation Pre-trained Transformer 3
8) 개인 프로젝트 (8H)
- Kaggle-Project 소개
- Project 설계
- 전처리
- EDA
- Model
- Visualization
- Service
