Part 3. 합성곱과 딥러닝

Part 3에서는 2차원 공간 정보를 보존하며 이미지 처리에 획기적인 발전을 이룩한 합성곱 신경망(CNN, Convolutional Neural Network)의 핵심 구조를 밑바닥부터 조립하고, 신경망 층을 고도로 깊게 쌓아 올린 현대 딥러닝(Deep Learning)의 트렌드와 산업적 활용 및 과제를 공부합니다.

📚 다루는 내용

• CHAPTER 7 합성곱 신경망(CNN): 일반 FNN과 달리 공간 결합성 및 형상을 고려할 수 있도록 하는 합성곱 계층(Convolution Layer)과 대표적 다운샘플링 수단인 풀링 계층(Pooling Layer)을 4차원 데이터 전개 함수(im2col / col2im)를 통해 효율적으로 구현하고 완성해 봅니다.
• CHAPTER 8 딥러닝: 신경망의 역사를 관통하는 인식 정확도 향상 기법(앙상블, 데이터 확대)을 공부하고, VGG, ResNet 등 시대를 호령한 고전적 딥러닝 모델의 설계 및 전이 학습(Transfer Learning), 나아가 자율주행과 생성 모델(GAN) 등의 인공지능 미래 활용 과제들을 함께 조망합니다.

왼쪽 목차에서 본격적인 개별 챕터 학습에 들어서 보세요!