Deep Learning

2026-01-08

1-4. 딥러닝의 주요 응용 분야: 이미지, 음성, 자연어 처리

딥러닝이 활발하게 활용되는 주요 분야(이미지 인식, 음성 인식, 자연어 처리)의 대표적인 사례를 소개합니다.

Deep Learning

2026-01-08

7-4. GPT: Generative Pre-trained Transformer

GPT 모델의 특징과 학습 방법을 설명하고, 텍스트 생성 능력에 대한 이해를 돕습니다.

Deep Learning

2026-01-08

4-2. Keras API: 딥러닝 모델 구축 및 학습 간소화

Keras API를 사용하여 딥러닝 모델을 쉽게 구축하고 학습하는 방법을 소개하고, 다양한 예제 코드를 제공합니다.

Deep Learning

2026-01-08

6-7. 챗봇(Chatbot) 구현: Seq2Seq with Attention 실습

Seq2Seq 모델과 Attention 메커니즘을 활용하여 간단한 챗봇을 구현하는 실습을 진행합니다. 데이터 전처리부터 모델 학습, 평가, 챗봇 인터페이스 구현까지 다룹니다.

Deep Learning

2026-01-08

8-6. 이미지 생성 실습: GAN 모델 구현 및 학습

GAN 모델을 직접 구현하고, 간단한 이미지 데이터셋(MNIST, CIFAR-10)을 이용하여 이미지를 생성하는 실습 과정을 상세히 설명합니다.

Deep Learning

2026-01-08

2-1. 선형대수 기초: 벡터, 행렬, 텐서

딥러닝의 수학적 기초인 선형대수의 핵심 개념(벡터, 행렬, 텐서)을 정의하고, 연산 방법을 설명합니다.

Deep Learning

2026-01-08

3-1. 퍼셉트론: 딥러닝의 가장 기본적인 모델

퍼셉트론의 구조와 작동 원리를 설명하고, 단층 퍼셉트론의 한계를 분석합니다.

Deep Learning

2026-01-08

6-6. 자연어 생성 (Text Generation) 실습: RNN 모델 활용

RNN 모델을 이용하여 자연어 생성 문제를 해결하는 실습 과정을 상세히 설명하고, 생성된 텍스트의 품질을 평가합니다.

Deep Learning

2026-01-08

11-1. Object Detection 기초: IoU, Non-Maximum Suppression (NMS)

Object Detection의 기본적인 개념(IoU, NMS)을 설명하고, 객체 탐지 성능 평가 지표를 소개합니다.

Deep Learning

2026-01-08

10-2. 딥러닝 모델 경량화: Quantization, Pruning

Quantization, Pruning 등 딥러닝 모델을 경량화하는 기법의 원리와 효과를 설명하고, 모바일 및 임베디드 환경에 적용하는 방법을 제시합니다.

Deep Learning

2026-01-08

7-2. Transformer: Self-Attention 기반의 혁신적인 모델

Transformer 모델의 구조와 작동 원리를 상세히 설명하고, Self-Attention 메커니즘의 중요성을 강조합니다.

Deep Learning

2026-01-08

4-5. MNIST 손글씨 숫자 인식: PyTorch 실습

MNIST 손글씨 숫자 인식 문제를 PyTorch를 이용하여 해결하는 실습 과정을 상세히 설명합니다.