파이썬과 텐서플로우로 배우는 기계학습과 인공신경망 기초 실습 단기강좌

세부프로그램

리플렛 다운로드(pdf)

[ 1일차 (ANN): 인공신경망 기초이론과 텐서플로우를 이용한 실습 ]

시 간	주 제	강사 (소속)
09:10~10:00	딥러닝 구조 및 실습	김중헌(중앙대)
11:10~13:00	이미지 및 언어 처리 딥러닝구조 이론 및 실습	김중헌(중앙대)
13:00~14:00	점심식사	-
14:00~15:50	Cifar10과 CNN성능향상 기법	김중헌(중앙대), 김도현(중앙대),
16:00~17:50	TensorFlow 커스텀 모듈 구현	김도현(중앙대)

o 준비물 및 사전 준비 : Python이 설치된 노트북 (Python 3.5이상 설치후 Tensorflow 및 matplotlib 설치)
o 사전 준비가 안되면 강의 진행이 어려우니 꼭 사전에 준비 바랍니다.

[ 2일차 (ML): Machine Learning 기초와 Python을 이용한 실습 ]

시 간	주 제	강사 (소속)
09:10~10:00	감독학습 (Supervised Learning)	이상근(한양대)
11:10~13:00	실습 1	이상근(한양대)
13:00~14:00	점심식사	-
14:00~15:50	비감독학습 (Unsupervised Learning)	이상근(한양대)
16:00~17:50	실습 2	이상근(한양대)

o 준비물 및 사전 준비 : 수강생 각자의 노트북에 Python3와 다음의 Python 패키지들 설치
( Python 3.0이상 설치하고 numpy, pandas, matplotlib, sklearn, jupyter, pyprind, re, nltk, seaborn, struct, gzip, scipy 모듈 설치 )
o 사전 준비가 안되면 강의 진행이 어려우니 꼭 사전에 준비 바랍니다.

[ 강좌 내용 요약 ]

o 인공신경망 기초이론과 텐서플로우를 이용한 실습 :

본 강의에서는 딥러닝 이론과 파이썬/TensorFlow기반 딥러닝 프로그래밍에 대해서 소개한다. 해당 소개를 기반으로 하여 인공신경망 구조 중에서 가장 기초가 되는 MNIST이미지 셋의 학습을 위한 다계층 인공신경망 구현과 다양한 코드 변환에 대해서 논한다. 이에 대한 심화학습으로써 이미지 처리에 많이 사용되는 CNN구조에서 간략히 소개를 하고 TensorFlow를 활용한 CNN구조의 설계 및 MNIST데이터 셋의 학습에 대해서 소개한다. CNN구조를 설계함에 있어서 tensorflow.nn라이브러리를 사용하는 방식과 tensorflow.layers라이브러리를 사용하는 방식 모두에 대해서 소개를 하고 그에 따른 프로그래밍 관점에서의 생산성 차이에 대해서 논한다. 더불어 시계열 데이터 처리에 특화된 RNN구조에 대한 이해와 실습을 수행한다. 심화실습 추가적인 사항으로써 연구에서 많이 사용되는 이미지 데이터 셋인 Cifar10에 대하여 설명하고 이를 사용하는 방법에 대하여 살펴본다. 또한 CNN 모델의 분류성능을 향상시키기 위해 사용되는 데이터 셋 정규화, ReLU, Dropout, 배치 정규화, 앙살블 등의 기본적인 기법들에 대하여 설명하고 이를 구현하는 방법과 이를 적용한 결과 및 효과를 확인해 본다. 이와 더불어 보다 폭넓은 신경망 모델 구현을 위해서는 기본적으로 제공하지 않는 커스텀 모듈들이 필요해질 수 있다. 본 강의에서는 텐서플로우 기본 연산자를 활용하여 간단한 활성화 함수부터 시작하여 최근에 연구된 다양한 오차함수들까지 직접 구현하는 방법에 대하여 살펴보고자 한다.

o Machine Learning 기초와 Python을 이용한 실습 :

본 강의는 데이터로부터 특정 문제 해결을 위한 함수를 학습하는 기계학습에 대한 기초 및 응용 과정이다. 감독학습 (Supervised Learning), 비감독학습 (Unsupervised Learning)에 대해 이해하고, 이에 속하는 다양한 방법들을 공부한다. 또한 딥뉴럴넷을 비롯한 비선형 모델을 사용하는 방법들을 소개한다. 본 강의는 기계학습 전반에 대한 개념적 이해와 Python 언어를 이용한 기계학습에 대해 공부하고자 하는 학생 및 연구원을 대상으로 한다.