교육 목표 | 정성적 목표 | ㅇ PyTorch 딥러닝 프레임워크 개요 및 학습 ㅇ 딥러닝 모델 학습을 위한 기본 개념, 기술, 도구 학습 ㅇ 딥러닝 데이터 유형과 모델 구조에 대한 실무 경험 ㅇ 데이터 증강, 전이학습, 파인튜닝을 통한 모델 정확도 향상 ㅇ 트랜스포머 등 고급 딥러닝 구조 이해 및 응용 ㅇ PyTorch를 사용해 실습 및 미니 프로젝트 수행을 통한 AI 프로젝트 실무 능력 향상 | 정량적 목표 | ㅇ 수료 : 24명 * 2 ㅇ 취업 : 18명 * 2 ㅇ 자격증 취득 : NVIDIA Fundamental of Deep Leraning 자격증 (수강생 수 건) | 교육 대상 | ■재직자 | ■미취업자 | ■전공자 | □비전공자 | 일정 및 기간 | 2025. 7. 07. ~ 8. 01. / 20일(4H/1일) | 교육 시간 | 총 80H | 교육 수준 | 초급 | 교육 구분 | AI | 필요 역량 | 파이썬 기초 | 구분 | 내용 | 교육방법 | 시간 | 비고 | 1부 | PyTorch 딥러닝 프레임워크 기초 프로그래밍 | 오프라인 | 10 H | | 2부 | Fundamental of Deep Learning with PyTorch | 오프라인 | 50H | | NVIDIA Deep Learning 인증 시험 | 3부 | 프로젝트 | 오프라인 | 20 H | | 계 | | | 80 H | | | 구분 | 세부 교육내용 | 시수 | PyTorch 기초 | ㅇ 딥러닝을 위한 기초 프로그래밍, 개발도구 - numpy, pandas, JupyterLab 등 ㅇ PyTorch 딥러닝 프레임워크 개요 및 활용 실습 - Tensor, torch, AutoGrad, nn, tochVision, utils 등 | 20 H | Fundamental of Deep Learning | ㅇ 딥러닝의 중요 개념 및 실습 - 손실함수, 경사하강법, 옵티마이져, 역전파, 활성화 함수, 과적합, 배치, 단순 선형회귀, 분류 등 ㅇ 선형 회귀(Linear Regression) 모델 및 실습 - 보스턴 집값 예측 실습 ㅇ 로지스틱 회귀(Logistic Regression) 모델 및 실습 - 파마 인디언 당뇨병 예측 실습 ㅇ MNIST 이미지 분류 예측 실습 - 선형 신경망 실습 ㅇ ACL(American Sign Language) 이미지 분류 예측 실습 ㅇ 합성곱 신경망(CNN) 모델 및 실습 - Doggy Door 응용 실습 ㅇ 전이학습 및 파인튜닝 실습 - VGG-16/ Resnet을 이용한 President Doggy Door 응용 실습 ㅇ 고급 신경망 소개 및 기초 실습 - Huggingface 소개 및 활용 - Transformer 기반 자연언어처리 기초 실습(BERT/ GPT2) - MLM, Q/A, 감성분석, NER, 문장생성, LLM 등 실습 | 50 H | NVIDIA Deep Learning 인증서 시험 | ㅇ 신선한 과일과 썩은 과일 6가지 클래스를 분류할 수 있는 합성 곱 신경망 모델을 데이터 증강, 전이 학습을 이용하여 설계하고 학습하여 모델생성, 검증 정확도를 92% 이상 달성하면 시험통과 | 프로젝트 | ㅇ PyTorch, MNIST, CNN, Streamlit을 이용한 웹 기반 필기체 숫자 인식 애플리케이션 개발, 성능분석(과적합, Accuracy, Precision, Recall, 혼동행렬, F1-Score) ㅇ MRI 뇌종양 이미지 분류기 개발, 성능분석, Streamlit 클라우드에 앱 배포 | 10H |
|
