Deep Learning with MATLAB
일정 보기 및 등록교육과정 세부 정보
본 2일 교육과정에서는 MATLAB®을 사용한 실용적 딥러닝에 대해 전반적으로 소개합니다. 수강생은 다양한 종류의 심층 신경망(DNN, deep neural networks)의 생성, 훈련 및 평가 방법을 배우게 됩니다. 본 강사 주도형 교육과정에서는 신경망의 훈련 속도를 높이기 위해 NVIDIA GPU를 사용합니다. 본 교육과정에서 다루는 주요 내용은 다음과 같습니다.
- 영상 및 시퀀스 데이터 가져오기
- 컨벌루션 신경망(CNN)을 사용한 영상 분류, 회귀 및 기타 영상 응용 사례
- LSTM(장단기 기억) 신경망을 사용한 시퀀스 분류 및 예측
- 사용자 지정 문제 해결을 위해 일반적인 신경망 아키텍처 수정
- 훈련 옵션의 수정을 통한 신경망 성능 개선
NVIDIA Deep Learning Institute는 MATLAB을 통한 딥러닝을 지지합니다. Deep Learning Institute에서는 GPU로도 구동되는 특수 교육 과정을 제공합니다. NVIDIA Deep Learning Institute의 산업별 콘텐츠 및 고급 CUDA 프로그래밍 교육과정에 대해 알아보십시오.
1일차
영상 분류를 위한 전이 학습
학습목표: 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
학습목표: 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
학습목표: 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
2일차
신경망 훈련 및 성능 개선
학습목표: 훈련 알고리즘의 작동 방식을 이해합니다. 훈련 모니터링과 제어를 위한 훈련 옵션을 설정합니다. 훈련 알고리즘 옵션, 신경망 아키텍처 또는 훈련 데이터를 선택 및 수정하여 신경망 성능을 개선합니다.
- 신경망 훈련
- 훈련 과정 플롯
- 유효성 검사
- 훈련 옵션
- 유방향 비순환 그래프
- 확장된 데이터저장소
영상 회귀 수행
학습목표: 연속 숫자형 응답 변수를 예측할 수 있는 컨벌루션 신경망을 만듭니다.
- 회귀를 위한 전이 학습
- 회귀 신경망에 대한 평가 메트릭
컴퓨터 비전에 딥러닝 사용
학습목표: 영상 내에서 특정 객체를 찾아 레이블을 지정하도록 신경망을 훈련시킵니다.
- 영상 애플리케이션 워크플로
- 의미론적 분할
시퀀스 데이터 분류 및 예측
학습목표: 시계열 또는 센서 데이터 같이 순서가 지정된 데이터 시퀀스에서 분류를 수행하도록 신경망을 만들고 훈련시킵니다. 순환 신경망을 사용하여 예측 시퀀스를 만듭니다.
- 장단기 기억 신경망
- 시퀀스 분류
- 시퀀스 전처리
- 시퀀스 예측
