MATLAB 및 Simulink 교육

Deep Learning with MATLAB

교육과정 세부 정보

본 2일 교육과정은 MATLAB®을 이용한 실제 딥 러닝에 대한 전반적인 소개 과정입니다. 수강생은 다양한 종류의 심층 신경망의 생성, 훈련 및 평가 방법을 배우게 됩니다. 강사 주도형 교육에서는 NVIDIA GPU를 사용하여 네트워크 학습을 가속화합니다. 본 과정의 주요 내용은 다음과 같습니다.

  • 이미지 및 시퀀스 데이터 불러오기
  • 합성곱 신경망(CNN, convolutional neural networks)을 사용한 영상의 분류, 회귀 및 객체 검출
  • LSTM(long short-term memory) 네트워크를 사용한 시퀀스 분류 및 예측
  • 특정한 문제 해결을 위해 일반적인 네트워크 구조의 수정
  • 훈련 옵션의 수정을 통한 네트워크 성능 개선
NVIDIA Deep Learning Institute

Deep Learning with MATLAB is endorsed by NVIDIA's Deep Learning Institute. The Deep Learning Institute offers specialized training also powered by GPUs. Check out their industry-specific content and advanced CUDA programming courses.

Day 1 of 2


영상 분류를 위한 전이 학습

Objective: 사전 훈련된 신경망을 사용하여 영상 분류를 수행합니다. 전이 학습을 사용하여, 사용자 지정된 분류 신경망을 훈련시킵니다.

  • 사전 훈련된 신경망
  • 영상 데이터저장소
  • 전이 학습
  • 신경망 평가

신경망 동작 해석

Objective: 영상 데이터가 신경망을 통과할 때의 모습을 시각화하여 신경망의 작동 방식에 대한 통찰력을 얻습니다. 이 기법을 다른 종류의 영상에 적용합니다.

  • 활성화
  • 머신러닝을 위한 특징 추출

신경망 생성

Objective: 처음부터 컨벌루션 신경망을 구축합니다. 신경망 계층 간에 정보가 전달되는 방법과 서로 다른 유형의 계층이 어떻게 작동하는지 이해합니다.

  • 처음부터 훈련 진행
  • 신경망
  • 컨벌루션 계층 및 필터

신경망 훈련

Objective: 훈련 알고리즘의 작동 방식을 이해합니다. 훈련 모니터링과 제어를 위한 훈련 옵션을 설정합니다.

  • 신경망 훈련
  • 훈련 과정 플롯
  • 유효성 검사

Day 2 of 2


신경망 성능 개선

Objective: 훈련 알고리즘 옵션, 신경망 아키텍처 또는 훈련 데이터를 선택 및 수정하여 신경망 성능을 개선합니다.

  • 훈련 옵션
  • 유방향 비순환 그래프
  • 확장된 데이터저장소

영상 회귀 수행

Objective: 연속 숫자형 응답 변수를 예측할 수 있는 컨벌루션 신경망을 만듭니다.

  • 회귀를 위한 전이 학습
  • 회귀 신경망에 대한 평가 메트릭

컴퓨터 비전에 딥러닝 사용

Objective: 영상 내에서 특정 객체를 찾아 레이블을 지정하도록 신경망을 훈련시킵니다.

  • 영상 응용 프로그램 워크플로
  • 객체 검출

시퀀스 데이터 분류

Objective: 시계열 또는 센서 데이터 같이 순서가 지정된 데이터 시퀀스에서 분류를 수행하도록 신경망을 만들고 훈련시킵니다.

  • 장단기 기억 신경망
  • 시퀀스 분류
  • 시퀀스 전처리
  • categorical형 시퀀스

출력 시퀀스 생성

Objective: 순환 신경망을 사용하여 예측 시퀀스를 만듭니다.

  • Sequence to sequence(시퀀스 투 시퀀스) 분류
  • 시퀀스 예측

수준: 중급

수강자 필수조건:

기간: 2 일

언어: English, Français, 日本語, 한국어