로그인 후 신청할 수 있으며, 정원이 찼거나 이미 신청한 강의는 신청할 수 없습니다. 신청 내역은 [마이페이지 > 학습정보]에서 확인합니다.
22년도 1차 인공지능 기본과정(주중 저녁반, 대구)
별도 접수 (https://hub.aifor.kr/page/edu/crs/eduCourseInfoList.do)
| 회차 | 주제 | 내용 |
|---|---|---|
| 1 | 1. 머신러닝 딥러닝 개요와 기초수학(상) 및 파이썬 문법 1.1 파이썬 기초 문법 1.2 파이썬 중급 문법 1.3 머신러닝 딥러닝 개요 1.4 기초수학(상): 다변수 함수와 벡터 함수 1.5 matplotlib | 이론 및 실습 · 자체교재 |
| 2 | 2. 머신러닝 알고리즘과 scikit-learn 2.1 넘파이 2.2 판다스 2.3 KNN， 선형회귀와 로지스틱 회귀 2.4 나이브베이즈와 결정트리 2.5 K-means，PCA 2.6 랜덤포레스트，에이다부스팅，그래디언트 부스팅 2.7 고급기법 2.7.1 MinmaxScaler，StandardScaler 2.7.2 다항특성， 2.7.3 K-fold 검증 2.7.4 Grid Search | 이론 및 실습 · 자체교재 |
| 3 | 3. 기초수학(하) 3.1 미분과 자동미분 3.2 행렬과 데이터 3.3 확률과 통계 3.4 최적화 이론: 경사하강법 | 이론 및 실습 · 자체교재 |
| 4 | 4. 인공신경망 4.1 직접 구현하며 알아보는 선형회귀 4.2 직접 구현하며 알아보는 로지스틱 회귀 4.3 인공신경망 기초 이론 4.4 인공신경망 문제 유형과 손실함수 | 이론 및 실습 · 자체교재 |
| 5 | 5. 딥러닝 라이브러리와 Multi Layer Perceptron(MLP) 5.1 pytorch tensor 5.2 Optimizer 5.3 Layer 5.4 Mnist，Fashion-Mnist를 이용한 분류문제 실습 5.4.1 로지스틱 회귀 5.4.2 소프트맥스 회귀 5.4.3 MLP 모델 | 이론 및 실습 · 자체교재 |
| 6 | 6. CNN & RNN 6.1 CNN 기본 이론 6.2 ReNet5，AlexNet，VGG-Net，GoogLeNet，ResNet 6.3 전이학습 6.4 CNN Case study: VGG-Net 및 ResNet 응용 | 이론 및 실습 · 자체교재 |
| 7 | 7. CNN & RNN 7.1 CNN Case study 7.2 Language Model 7.3 RNN 기본 이론 7.4 LSTM，GRU에 대한 이해 | 이론 및 실습 · 자체교재 |
| 8 | 8. CNN & RNN 8.1 RNN을 이용한 분류 문제 실습 8.2 LSTM을 이용한 분류 문제 실습 | 이론 및 실습 · 자체교재 |
