자기 주도형 교육과정의 이점

단계별 지침

실습 연습 문제 및 자동 피드백

웹 브라우저를 통한 MATLAB 액세스

공유 가능한 진도 보고서 및 교육과정 수료증

과정 소개

 수업은 영어와 일본어로만 이용할 수 있습니다.


1.

컨벌루션 신경망을 사용하여 영상 분류하기

교육과정에서 다루는 내용에 대한 개요를 제공합니다. 사전 훈련된 신경망으로 영상 분류를 수행해 봅니다. 전이 학습을 사용해 사용자 지정 분류 신경망을 훈련하는 방법을 다룹니다.

30분


2.

신경망의 동작 해석하기

신경망이 이를 통과하는 영상 데이터를 어떻게 시각화하면서 작동하는지에 대한 이해를 넓힐 수 있습니다. 이 기법을 여러 종류의 영상에 응용해 봅니다.

45분


3.

신경망 생성하기

컨벌루션 신경망을 처음부터 구축하는 방법을 다룹니다. 정보가 어떻게 신경망 계층 간에 전달되는지, 또 여러 유형의 계층이 어떻게 기능하는지에 대해 학습합니다.

45분


4.

신경망 훈련하기

훈련 알고리즘이 어떻게 기능하는지를 이해할 수 있습니다. 훈련 옵션을 설정하여 훈련 내용을 모니터링 및 제어하는 방법을 학습합니다.

30분


5.

성능 개선하기

훈련 알고리즘 옵션이나 네트워크 아키텍처, 훈련 데이터에 수정할 사항을 선택 및 구현하여 네트워크 성능을 개선해 봅니다.

30분


6.

프로젝트

15분


7.

회귀 수행하기

연속적인 수치 응답을 예측할 수 있는 컨벌루션 신경망을 생성해 봅니다.

30분


8.

컴퓨터 비전에 딥러닝 활용하기

신경망을 훈련하여 영상 안의 특정 객체를 찾고 레이블을 지정할 수 있습니다.

45분


9.

순환 신경망으로 시퀀스 데이터 분류하기

신경망을 구축하고 훈련하여 시계열 데이터 또는 센서 데이터 등의 순차적 시퀀스 분류를 수행해 봅니니다.

45분


10.

범주형 시퀀스 분류하기

순환 신경망을 사용해 텍스트 같은 범주형 데이터의 시퀀스를 분류해 봅니다.

30분


11.

출력 시퀀스 생성하기

순환 신경망을 사용해 예측 시퀀스를 생성해 봅니다.

45분


12.

프로젝트

15분

관련 교육과정

MATLAB Fundamentals

MATLAB의 데이터 분석, 모델링, 프로그래밍 관련 핵심 기능을 배울 수 있습니다.

Deep Learning Onramp

영상 인식을 위한 딥러닝 방법을 빠르게 학습할 수 있습니다.

Machine Learning with MATLAB

데이터를 탐색하고 예측 모델을 만들어 보세요.

강의실에서 수강하는 교육과정을 찾으시나요?

Deep Learning with MATLAB은 강사 주도형 형식으로도 제공됩니다.