Skip Menu

공지사항

2022 동계 신기술 Skill-up 비교과 교육프로그램: 딥러닝 교육 - 초/중/고급

create 인하대학교 관리자access_time 2024.04.18 10:47visibility 82assignment 학사

미래자동차 사업단에서는 세번째 "2022 동계 신기술 Skill-up 비교과 교육프로그램"으로 "초/중/고급 딥러닝 교육" 프로그램을 진행하고자 합니다. 관심있는 학생들의 많은 참여 부탁드립니다.  

 

1. 교육명: 초/중/고급 딥러닝 교육

2. 교육기간: 2023. 1. 25.(수) ~ 27.(금) 9:00 ~ 18:00(1일 1과정 개설, 1과정당 8시간)

3. 교육방법: 온라인 강의

4. 교육인원: 초/중/고급 각 과정당 30명(선착순 모집)

5. 세부 교육 일정

구분 

1.25(수) : 딥러닝 초급

1.26(목) : 딥러닝 중급

1.27(금) : 딥러닝 고급

09:00~11:00

• 딥러닝 개요
: 이름의 유래, 기존 기계학습과 다른 점

• 딥러닝의 시작: 퍼셉트론

• 퍼셉트론의 문제점: XOR 문제

• 다층 퍼셉트론

• 퍼셉트론으로 전반적인 딥러닝 내용 훑어보기 (Recap)

• 이미지 처리 모델인 CNN 개요

• Convolution 연산

• Convolution 연산의 hyper parameter:padding과 stride

• Pooling 연산과 Classifier

• 최신 인공지능 트렌드 살펴보기: 언어모델과 생성모델

• 최신 언어모델의 핵심 요소: Attention과 Transformer

• Transformer 모델 구조 살펴보기

11:00~14:00

(12:00~13:00: 점심시간)

• 활성화함수: 다층퍼셉트론에 활성화함수가 필요한 이유

• 대표적인 활성화함수 Sigmoid, tanh, ReLU

• 손실함수의 개념

• 대표적인 손실함수 (분류): Sigmoid, Cross Entropy

• 대표적인 손실함수 (회귀): MSE

• AlexNet

• VGGNet

• ResNet: Vanishing Gradient와 Skip Connection

• ResNet으로 MNIST 분류해보기

• Transformer를 통해 감성 분류 해보기

• BERT 알아보기

• 사전 학습된 BERT 불러오기
:Hugging Face의 transformers 라이브러

리 사용

• BERT로 Fine-tuning을 통해 감성 분류 해보기

14:00~16:00)

• 다층퍼셉트론학습하기
: Computational Graph와 Back Propagation

• 모델학습의꽃 - 최적화 (Optimization)
: Gradient Descent와 Stochastic Gradient Descent (SGD)

• 과적합방지와정규화 (Regularization)

• 자연어 처리 개요

• Tokenization과 Embedding

• RNN 모델 구조

• RNN 모델 학습의 특징
: Back Propagation Through Time (BPTT)

• 생성 모델 알아보기

• 생성 모델의 원리
: 어떻게 무에서 새로운 이미지를 만들어 내는가?

• 생성 모델의 한 갈래인 GAN 알아보기

• GAN으로 MNIST 학습하여 생성해보기

16:00~18:00

• MNIST 데이터셋 개요

• 데이터 불러와서 정규화(Normalization) 하기

• 다층 퍼셉트론으로 MNIST 분류해보기

• RNN 모델의 단점

• LSTM과 GRU

• LSTM을 통한 감성 분류 해보기

• 생성 모델의 다른 갈래인 VAE 알아보기

• VAE의 원리

• VAE로 MNIST 학습하여 생성해보기

 

6. 비교과 프로그램 및 마일리지: 미래자동차 신기술 AI 교육 프로그램(DA0003) / 2점 (8시간 이상)
  - 출석시간 80% 이상(7시간 이상) 참석 시 이수 

7. 참여 대상: 인하대 학생 모두 대상 (※ 개인 노트북 지참(사업단 대여 가능))
  - 초급: 딥러닝을 처음 접하는 학생 
  - 중급: 기초과정에서 다루는 내용은 어느 정도 알지만 좀 더 특정 작업에 특화된 모델을 알고 싶은 학생 
  - 고급: 전통적인 딥러닝 모델들(CNN, RNN)을 이해하고 있는 학생

8. 신청방법 및 기간 
  - 신청방법: 포털 시스템을 통한 비교과 프로그램 신청(DA0003) 
       (과정별 분반을 꼭 확인하시기 바랍니다. DA0003-1: 초급 /  DA0003-2: 중급 /  DA0003-3: 고급)
  - 신청기간: 2023. 1. 10.(화) ~ 18(수)