딥러닝 1st

딥러닝 강의 개요

본 강의는 딥러닝의 기본 개념부터 트랜스포머 아키텍처, 그리고 실습까지 다루며, 머신러닝 및 딥러닝 관련 사전 지식을 갖춘 학습자를 대상으로 합니다. 이론 학습과 함께 실습을 병행하며, 프로젝트 발표를 통해 실제 활용 능력을 키우는 것을 목표로 합니다.

기본 지식: 선형대수, 칼케어스, 미적분, 통계에 대한 사전 지식이 필요합니다.
필수 라이브러리: 파이썬, 파이터치, 텐서프로우를 활용하며, 파이터치의 장점을 활용합니다.
학습 진행: 기본 개념 설명 -> 이론 구현 -> 구현 반복 -> 중간고사 -> 퍼텐션, 트랜스포머 -> 새로운 아키텍처 -> 프로젝트 발표
프로젝트: 3인 1조 그룹 프로젝트로 진행되며, 개별 주제는 자유롭게 선정합니다.
평가: 출석 (10%), 과제, 중간고사 (30%), 텀 프로젝트 (40%), 최종 발표 (10%).

강의는 다음 주부터 시작되며, 강의 자료는 사전 업로드됩니다. 딥러닝 관련 서적은 필수가 아니며, 강의 슬라이드를 활용합니다.

기초: 공료랜서, 트랜스포머 아키텍처 소개.
라이브러리: 파이터치, 텐서프로우를 활용하여 딥러닝 모델 구축.
학습 과정:
- 기계 학습 기본 지식 복습 및 딥러닝과의 차이점 분석.
- XAI 등 머신러닝 기법 활용 방안 학습.
- 기본 개념 및 딥러닝 오버뉴러 이론 설명.
- RNN, LSTM, GRU 등 순환 신경망 구조 학습 및 구현.
- 퍼텐션, 트랜스포머 아키텍처 설명.
- 트랜스포머 비롤도, CNN 변형 형태 등 최신 아키텍처 소개.
- GPT 등 파운데이션 모델 학습 알고리즘 소개.
- 프로젝트 발표 준비.
중간고사: 객관식 문제 형태 (오답 및 추가 문제 출제).
프로젝트: 3인 1조 그룹 프로젝트로 진행, 자유 주제 선정. 데이터 확보 및 팀원 간 논의 필수.
실습: 조교가 기본 코드를 제공하며, 라인별 설정 및 코딩 실습 진행. 구글 계정 필요.