Class
Information

클래스 제공 상품
- 딥러닝 이론 클래스
- 딥러닝 실습 클래스
- 딥러닝 교재
- 자유로운 수업 질문 보드
강의 시간
총 54편, 32시간의 비디오
- 딥러닝 이론 클래스 32편
- 딥러닝 실습 클래스 22
준비물
개인 노트북
강의 난이도
프로그래밍 언어 이해 가능 수준
수강 기간
결제일로부터 6개월 무한 수강

Deep Learning

Video Streaming

(6개월 수강권)

Deep Learning 코스에 대한 열렬한 성원에 힘입어

완전히 새롭게 리뉴얼된 3 in 1 패키지 코스!

진정한 AI 전문가가 될 수 있는 첫 걸음! 바로 AI 아카데미가 여러분을 응원합니다.

Class 
Information


클래스 제공 상품

- 딥러닝 이론 클래스

- 딥러닝 실습 클래스

- 딥러닝 교재

- 자유로운 수업 질문 보드

강의 시간

총 54편, 32시간의 비디오

- 딥러닝 이론 클래스 32편

- 딥러닝 실습 클래스 22편

준비물

개인 노트북 혹은 PC

강의 난이도

프로그래밍 언어 이해 가능 수준

수강 기간

결제일로부터 6개월 무한 수강


Deep Learning Video Streaming
(6개월 수강권)

* 구매 후 6개월간 이론, 실습 강의 무제한 이용 가능한 패키지 상품입니다.

* 강의자료는 PDF 로 제공되지않습니다. 일부 교재에 포함되어있지 않은 강의자료는 별도 제공됩니다.

현재 가장 유망한 직업 1순위 

인공지능 전문가!

세계적 비즈니스 SNS, LinkedIn 은 2020년 보고서에서 현재 가장 빠르게 성장하고 있는 직업 1위로 "인공지능 전문가"를 선정했습니다. 2위의 두 배에 달하는 성장률을 보인 것과 더불어, 머신러닝이 활용될 수 있는 여러 직업들이 10위 안에 포진하는 기염을 토했습니다.

각 기업들이 디지털 트랜스포메이션을 진행하며 현재 인공지능은 IT 분야뿐 아니라 전 산업에 걸친 수요를 보이고 있으며, 앞으로 이는 계속 상승할 전망입니다.

자신의 미래를 계획하는 가장 확실한 방법, 딥러닝에 있습니다!

출처: LinkedIn

국내 어디에서도 찾아볼 수 없는
진짜 딥러닝 클래스

Structure

바로 에이아이 아카데미의 딥러닝 비디오 스트리밍 코스에서는 인공지능의 발전을 이끌고 있는 가장 중요한 분야인 딥러닝에 대한 필수적인 이론과 실습을 모두 다루고 있습니다.

가장 기초이면서도 중요한 Neural Network 에 관한 여러가지 모델과 Neural Network 의 근간이 되는 Feedforward Network, Model을 트레이닝 시키는 기법인 Optimization, Dropout, Batch Normalization 등을 익히게 됩니다.
또한 기초적인 Neural Network model 들을 익힌 후에는 Generative Model 에 이용할 수 있는 AutoEncoder 와 GAN 을 익히게 됩니다.
특히 딥러닝 모델의 Hyperparameter optimization 을 하기위한 Bayesian optimization 강의는 어느 곳에서도 들을 수 없는 바로 AI 아카데미만의 독보적인 커리큘럼입니다.
어디서도 듣지 못하는 독보적인 딥러닝 과정.
바로 AI 아카데미는 인공지능 전문가를 향한
최적의 지름길입니다.
어떤 사람들이 수강하나요?
이론 32개 클래스,
실습 22개 클래스로
완벽하게 정복하는
프리미엄 딥러닝 커리큘럼!

이론 클래스

수학 개념이 약하더라도 걱정하지 마세요.
Deep Learning Video Streaming 은 행과 열까지
자세히 설명하여 강의하는 친절한 강의입니다.

이론 강의 커리큘럼

Subject                          Details of Curriculum
1st Chapter
Linear models
· DL introduction
· Linear regression
· Logistic regression

2nd Chapter
Feedforward Nets
· Perceptron
· Multilayer perceptron
· Error backpropagation

3rd Chapter
Training
· Optimization (SGD, ADAM)
· Dropout
· Batch normalization

4th Chapter
CNN
· Vanilla CNN
· ResNet
· Inception Nets

5th Chapter
RNN
· Vanilla RNN
· LSTM and GRU
· Attention
· Transformer

6th Chapter
Autoencoder
· Autoencoders
· Variational autoencoders
· Neural statisticians

7th Chapter
GAN
· Adversarial training for GAN
· Conditional GANs
· InfoGAN

8th Chapter
Hyperparameter
optimization
· GP Regression
· Neural process
· Bayesian optimization

개념을 확실히 잡아주는

Deep Learning

이론 강의 미리보기

Textbook

Deep Learning Advanced 교재는
최승진 Director 의 30년 인공지능 연구를
바탕으로 제작된 바로 AI 아카데미만의
독자적인 교재입니다.
* 이 교재는 비매품으로 수강 결제 없이 따로 판매하지 않습니다.

실습 클래스

Deep Learning 실습 클래스에서는
이론에서 배운 내용을 토대로 코딩 실습을
함께 해보는 시간을 갖습니다. 이론 수업에서 배운
모델을 응용하여 실제로 어떤 곳에 사용하는지
배우는 실전용 코딩 코스입니다.

딥러닝 실습 코스는 딥러닝을
처음 접하는 입문자도 쉽게 따라할 수 있습니다.

실습에서는 어떤 걸 배우나요?

1. 쥬피터 노트북의 기본적인 사용법
파이썬을 이용한 머신러닝, 딥러닝을 학습하기에 최적화되어있는 환경인 쥬피터 노트북위 기본적인 사용법을 배웁니다. 기본적인 사용법을 배우면서 머신러닝, 딥러닝을 코드로 구현할 때 꼭 필요한 파이썬의 문법들을 차근차근 알려드립니다.
2. 파이썬을 이용한 알고리즘 구현
파이썬을 이용하여 이론 강의에서 배운 다양한 알고리즘들을 간단한 데이터들을 이용해 다양한 방식으로 구현 (수식을 직접 코드로 작성, 라이브러리를 이용) 해 보는 시간을 가집니다.
3. 실제 데이터를 통한 알고리즘 구현
파이썬을 이용한 머신러닝, 딥러닝을 학습하기에 최적화되어있는 환경인 쥬피터 노트북위 기본적인 사용법을 배웁니다. 기본적인 사용법을 배우면서 머신러닝, 딥러닝을 코드로 구현할 때 꼭 필요한 파이썬의 문법들을 차근차근 알려드립니다.

Class Summary

Deep Learning Advanced 실습 강의를
미리 알아볼 수 있는 Class Summary 입니다.

실습 강의 커리큘럼

Subject                          Details of Curriculum
1st Chapter
Linear models
· LAB course introduction
· Library & Tensor
· Linear regression
· Classification

2nd Chapter
Feedforward Nets
· Regression with MLP
· Multi-class classification with MLP

3rd Chapter
Training
· Training Sin(x) function data
· Stochastic gradient descent 
  optimizer
· ADAM and Batch normalization
· Plotting loss values

4th Chapter
CNN
· Convoluational layer with Pytorch
· CNN with MNIST dataset

5th Chapter
RNN
· Basic RNN
· Sentiment analysis

6th Chapter
Autoencoder
· Autoencoder basic
· Variational autoencoder

7th Chapter
GAN
· Feedforward network GAN
· DCGAN (MNIST)
· Get your own video file

8th Chapter
Hyperparameter
optimization
· GP Regression
· Bayesian optimization

다양한 코드를 직접 다뤄보는

Deep Learning

실습 강의 미리 보기

Achivement

딥러닝의 핵심인 뉴럴 네트워크에

대한 이해

Perceptron으로 이루어진 가장 기본적인 모델인 Feedforward neural network (순방향 뉴럴 네트워크)를 포함한 다양한 형태의 딥러닝 뉴럴 네트워크를 배우게 됩니다. 단순히 모델의 구조만 배우는 것이 아닌, 해당 모델이 어떤 원리를 통해 결과값을 계산하는지에 대한 수학적인 이론들을 배우게 됩니다. 하나하나 증명해가며 기초적인 원리를 차근차근 다지는 동안 자연스럽게 모델들에 대한 개념을 익히는 시간을 가질 수 있습니다. 

각 모델별 응용 분야에 대한 이해

딥러닝은 기본적인 모델을 응용하여 다양한 작업들을 처리할 수 있습니다. CNN 방법을 이용해서 이미지를 분류하는 것뿐 아니라, 하나의 그림 안에 있는 다양한 이미지를 Semantic Segmentation 할 수 있으며 물체를 detection 시켜주는 Object detection 작업을 수행 할 수 있습니다. 또한 우리는 RNN 을 이용하여 Time Series data 를 이용해 시간의 흐름에 따른 data 의 변화를 예측 할 수 있으며, text 형태와 같은 sequence data 를 다룰 수 있게 됩니다. 가장 간단한 형태인 Feedforward Network 만을 이용해서도 AutoEncoder 를 만들어 데이터의 특징을 추출해 낼 수도 있으며 추출한 값으로 입력 데이터와 똑같은 데이터를 만들어 낼 수도 있습니다. 

원하는 결과물에 따른 적절한

모델 선택 능력

VAE 와 GAN 은 이미지를 생성 할 수 있는 대표적인 모델입니다. 두 모델 전부 주어진 입력 이미지 데이터를 이용해서 그와 비슷하게 생긴 이미지를 생성해내는 모델이지요. 하지만 그렇다고 해서 두가지의 모델을 혼동해서 사용하여도 괜찮은 것일까요? 우리에게 주어진 task 에 따라 어떠한 딥러닝 모델을 적용해야 할 지는 데이터 분석의 첫걸음이자 굉장히 중요한 시작단계 입니다. Baro AI Academy 에서는 각 모델에 대한 통찰력 있는 이해와 실습을 통해 우리의 목표에 알맞은 유의미한 결과를 이끌어 낼 수 있도록 모델을 선택하는 능력을 키울 수 있게 됩니다.

모델링시 발생하는 문제에 대한 해결력

정확도가 높고 정교한 모델을 얻기 위해서는 딥러닝의 네트워크 구조를 입력하는 것 외에 다양한 방법을 적용해 주어야 합니다. 모델에서 기본적으로 쓰이는 Weight 의 값을 조절해주는 Regularization 방법, Overfitting 을 방지 하는 방법인 Dropout, Gradient Vanishing / Gradient Exploding 문제를 방지해주는 Batch Normalization 등의 방법을 이론과 증명을 통해 확실하게 이해하는 시간을 가지게 됩니다. 이정도 용어는 들어 보셨다구요? Baro AI Academy 에서만 배울 수 있는 또다른 과목이 준비되어 있습니다. Hyperparameter Optimization, Bayesian Optimaztion, Neural Process 등등 어디에서도 들을 수 없는 이론을 통해 Model 의 문제를 해결하는 해결력을 높이는 기회를 가져 볼 수 있을것입니다.


스트리밍 서비스 요금안내

* 구매 후 6개월간 이론, 실습 강의 무제한 이용 가능

* 강의자료는 PDF 로 제공되지 않습니다.

커리큘럼
* 표시된 강의는 실습 강의에서만 다루는 주제입니다.
이론
실습
1st |  Linear models
01 DL introduction Ⅰ
02 DL introduction Ⅱ
03 Linear models for
      regression Ⅰ
04 Linear models for
      regression Ⅱ
01 Lab course
     introduction *
02 Library & Tensor *
03 Linear regression
      - 이론 강의 03, 04
04 Classification
      - 이론 강의 03, 04
2nd |  Feedforward Nets
05 Perceptron
06 Multilayer perceptrons
      (MLPS) Ⅰ
07 Multilayer perceptrons
      (MLPS) Ⅱ
05 Regression with MLP
      - 이론 강의 06, 07
06 Multi-Class classification
      with MLP
      - 이론 강의 06, 07
3rd |  Training
08 Optimization Ⅰ
09 Optimization Ⅱ
10 Optimization Ⅲ, 
     Dropout
11 Dropout Ⅱ,
    Normalization Ⅰ
12 Normalization Ⅱ
07 Training Sin(x) function
      data - 이론 강의 08, 09, 10
08 Stochastic gradient
      descent optimizer
      - 이론 강의 08, 09, 10
09 ADAM optimizer
      - 이론 강의 08, 09, 10
10 Dropout ans Batch
      normalization
      - 이론 강의 11
11 Plotting loss values *
4th |  CNN
13 CNN Ⅰ
14 CNN Ⅱ
15 CNN Ⅲ
16 CNN Ⅳ
12 Convolutional layer with
     Pytorch
      - 이론 강의 13, 14, 15, 16
13 CNN with MNIST 
     database
     - 이론 강의 13, 14, 15, 16
5th |  RNN
17 RNN Ⅰ
18 RNN Ⅱ
19 Attention
20 Transformer models Ⅰ
21 Transformer models  Ⅱ
22 Transformer models
23 Transformer models Ⅳ
14 Basic RNN
     - 이론 강의 17, 18
15 Sentiment analysis
    - 이론 강의 17, 18
6th |  Autoencoder
24 Deep generative models
25 Variational
     autoencoder Ⅰ
26 Variational
     autoencoder Ⅱ
16 Autoencoder basic
      - 이론 강의 24
17 Variational autoencoder
     - 이론 강의 25, 26
7th |  GAN
27 Generative adversarial
     networks
28 Conditional GANs
18 Feedforward network
     GAN - 이론 강의 27
19 DCGAN (MNIST) 
     - 이론 강의 27
20 Get your own video file *
8th |  Hyperparameter optimization
29 Hyperparameter
      optimization
30 Bayesian optimization
31 Acquisition function
32 Neural process
21 GP regression
     - 이론 강의 30
22 Bayesian optimization
     - 이론 강의 30, 31

국내 어디에서도 찾아볼 수 없는 

진짜 딥러닝 클래스

Structure

바로 에이아이 아카데미의 딥러닝 비디오 스트리밍 코스에서는 인공지능의 발전을 이끌고 있는 가장
중요한 분야인 딥러닝에 대한 필수적인 이론과 실습을 모두 다루고 있습니다.


가장 기초이면서도 중요한 Neural Network 에 관한 여러가지 모델과 Neural Network 의
근간이 되는 Feedforward Network, Model을 트레이닝 시키는 기법인 Optimization,
Dropout, Batch Normalization 등을 익히게 됩니다.
또한 기초적인 Neural Network model 들을 익힌 후에는 Generative Model 에 이용할 수
있는 AutoEncoder 와 GAN 을 익히게 됩니다.
특히 딥러닝 모델의 Hyperparameter optimization 을 하기위한 Bayesian optimization
강의는 어느 곳에서도 들을 수 없는 바로 AI 아카데미만의 독보적인 커리큘럼입니다.
어디서도 듣지 못하는 독보적인 딥러닝 과정.
바로 AI 아카데미는 인공지능 전문가를 향한 최적의 지름길입니다.

어떤 사람들이 수강하나요?


기본 교재로 완벽하게
이해가 안되서 아쉬운 분




   "시중에 나온 교재로는      
이해가 안 돼 힘들어요..."



수학적 부분까지 이해해
깊이 있게 공부하고 싶으신 분



"고등학교 이후로 수학 공부를 안해서 수학적인 부분이
약하다보니, 딥러닝 공부가 힘들어요..." 



인공지능 흐름을
빈틈없이 이해하고 싶은 분




   "딥러닝의 기초부터     
최신기법까지 공부하고 싶어요"



응용력을 키워
실무에 적용하고자 하시는분




" 제가하는 업무에 딥러닝을    
접목시키고 싶어요" 



이론 32개 클래스 22개 클래스로

완벽하게 정복하는

프리미엄 딥러닝 커리큘럼!


이론 클래스
수학개념이 약하더라도 걱정하지 마세요.
Deep Learning Video Streaming 은
행과 열까지 자세히 설명하며 강의하는
친절한 강의입니다.


먼저, AI 석학 최승진 Director 에게 배우는
딥러닝의 이론 강의를 통해 개념을 탄탄히
확립합니다.

 이론 강의 커리큘럼

Subject                                                   Details of Curriculum

1st Chapter

Linear models

· DL introduction
· Linear regression
· Logistic regression

2nd Chapter

Feedforward Nets

· Perceptron
· Multilayer perceptron
· Error backpropagation

3rd Chapter

Training

· Optimization (SGD, ADAM)
· Dropout
· Batch normalization

4th Chapter

CNN

· Vanilla CNN
· ResNet
· Inception nets

5th Chapter

RNN

· Vanilla RNN
· LSTM and GRU
· Attention
· Transformer

6th Chapter

Autoencoder

· Autoencoder
· Variational autoencoders
· Neural statisticians

7th Chapter

GAN

· Adversarial training for GAN
· Conditional GANs
· InfoGAN

8th Chapter

Hyperparameter
optimization

· GP regression
· Neural process
· Bayesian optimization

머신러닝 강의 둘러보기

 개념을 확실히 잡아주는
       Deep Learning
       이론 강의 미리 보기

 Textbook

Deep Learning Advanced 교재는
최승진 Director 의 30년 인공지능 연구를 바탕으로
제작된 바로 AI 아카데미만의 독자적인 교재입니다.






* 이 교재는 비매품으로 수강 결제 없이 따로 판매하지 않습니다.

실습 클래스
Deep Learning 실습 클래스에서는
이론에서 배운 내용을 토대로 코딩 실습을
함께 해보는 시간을 갖습니다. 이론 수업에서 배운
모델을 응용하여 실제로 어떤 곳에 사용하는지
배우는 실전용 코딩 코스입니다.

딥러닝 실습 코스는 딥러닝을
처음 접하는 입문자도 쉽게 따라할 수 있습니다.
 실습에서는 어떤 걸
       배우나요?
1. 쥬피터 노트북의 기본적인 사용법

파이썬을 이용한 머신러닝, 딥러닝을 학습하기에 최적화되어 있는 환경인 쥬피터 노트북의 기본적인 사용법을 배웁니다. 기본적인 사용법을 배우면서 머신러닝, 딥러닝을 코드로 구현할 때 꼭 필요한 파이썬의 문법들을 차근차근  알려드립니다.

2. 파이썬을 이용한 알고리즘 구현

파이썬을 이용하여 이론 강의에서 배운 다양한 알고리즘들을 간단한 데이터들을 이용해 다양한 방식으로 구현 (수식을 직접 코드로 작성, 라이브러리를 이용) 해 보는 시간을 가집니다.

3. 실제 데이터를 통한 알고리즘 구현

실제 생활에서 접할 수 있는 데이터들을 직접 불러와 데이터를 전처리하고, 알고리즘을 구현해 보는 시간을 가집니다.

 Class Summary

Deep Learning Advanced 실습 강의를 미리 알아볼 수 있는 Class Summary 입니다.
바로 AI 아카데미의 딥러닝 코스가
특별한 이유?


국내에서 머신러닝 분야를 20여년이 넘게 이끌어 왔던
前 포항공과대학교 교수인 최승진 석학이 딥러닝 Neural Network 모델들을 스크래치 부터 차근차근 이해하기 쉽게 알려드립니다. 
다른 어떤 곳에서도 수강 할 수 없는 최승진 교수의 노하우를 녹여낸 수업으로 딥러닝의 기초를 가장 쉽고 정확하게 배울 수 있습니다.


이론 수업과 각 주제에 맞는 실습 구성으로 이루어져 있는 탄탄한 커리큘럼으로 이론으로 개념을 잡고 실습 수업에서는 많은 수강생들이 흥미를 갖고 딥러닝의 기본 개념을 탄탄하게 정립 할 수 있는 구현 방법을 소개 합니다. 
이론 시간에는 기존의 클래식한 알고리즘 부터 최신 알고리즘 까지 다양하게 배우고 실제 사례를 통해 실습하여 익힐 수 있습니다.


6개월간 제공되는 동영상 강의를 통해 이론과 실습을 무제한으로 복습할 수 있습니다. 어렵게 느껴졌던 내용, 놓친 내용을 비디오를 통해 복습할 수 있고 게시판을 통해 자유롭게 질문하며 궁금증을 빠르게 풀 수 있고 동영상을 통해 여러번 복습할 수 있는 기회로 딥러닝 마스터를 노려보세요!

AI Essential 코스 둘러보기

 실습 강의 커리큘럼

Subject                                                   Details of Curriculum

1st Chapter

Linear models

· LAB Course introduction
· Library & Tensor
· Linear regression
· Classification

2nd Chapter

Feedforward Nets

· Regression with MLP
· Multi-class classification with MLP

3rd Chapter

Training

· Training Sin(x) function data
· Stochastic gradient descent optimizer
· ADAM optimizer
· Dropout and Batch normalization
· Plotting loss values

4th Chapter

CNN

· Convolutional layer with Pytorch 
· CNN with MNIST dataset

5th Chapter

RNN

· Basic RNN
· Sentiment analysis

6th Chapter

Autoencoder

· Autoencoder basic
· Variational autoencoder

7th Chapter

GAN

· Feedforward network GAN
· DCGAN (MNIST)
· Get your own video file

8th Chapter

Hyperparameter
optimization

· GP regression
· Bayesian optimization

 다양한 코드를 직접 다뤄보는
       Deep Learning
       실습 강의 미리 보기

Achivement

  딥러닝의 핵심인
  뉴럴 네트워크에 대한
      이해
Perceptron으로 이루어진 가장 기본적인 모델인 Feedforward neural network (순방향 뉴럴 네트워크)를 포함한 다양한 형태의 딥러닝 뉴럴 네트워크를 배우게 됩니다. 단순히 모델의 구조만 배우는 것이 아닌, 해당 모델이 어떤 원리를 통해 결과값을 계산하는지에 대한 수학적인 이론들을 배우게 됩니다. 하나하나 증명해가며 기초적인 원리를 차근차근 다지는 동안 자연스럽게 모델들에 대한 개념을 익히는 시간을 가질 수 있습니다. 
  각 모델별 응용 분야에

  대한 이해

딥러닝은 기본적인 모델을 응용하여 다양한 작업들을 처리할 수 있습니다. CNN 방법을 이용해서 이미지를 분류하는 것뿐 아니라, 하나의 그림 안에 있는 다양한 이미지를 Semantic Segmentation 할 수 있으며 물체를 detection 시켜주는 Object detection 작업을 수행 할 수 있습니다. 또한 우리는 RNN 을 이용하여 Time Series data 를 이용해 시간의 흐름에 따른 data 의 변화를 예측 할 수 있으며, text 형태와 같은 sequence data 를 다룰 수 있게 됩니다. 가장 간단한 형태인 Feedforward Network 만을 이용해서도 AutoEncoder 를 만들어 데이터의 특징을 추출해 낼 수도 있으며 추출한 값으로 입력 데이터와 똑같은 데이터를 만들어 낼 수도 있습니다.
  원하는 결과물에 따른

  적절한 모델 선택 능력

VAE 와 GAN 은 이미지를 생성 할 수 있는 대표적인 모델입니다. 두 모델 전부 주어진 입력 이미지 데이터를 이용해서 그와 비슷하게 생긴 이미지를 생성해내는 모델이지요. 하지만 그렇다고 해서 두가지의 모델을 혼동해서 사용하여도 괜찮은 것일까요? 우리에게 주어진 task 에 따라 어떠한 딥러닝 모델을 적용해야 할 지는 데이터 분석의 첫걸음이자 굉장히 중요한 시작단계 입니다. Baro AI Academy 에서는 각 모델에 대한 통찰력 있는 이해와 실습을 통해 우리의 목표에 알맞은 유의미한 결과를 이끌어 낼 수 있도록 모델을 선택하는 능력을 키울 수 있게 됩니다. 
  모델링시 발생하는
  문제에 대한 해결력
정확도가 높고 정교한 모델을 얻기 위해서는 딥러닝의 네트워크 구조를 입력하는 것 외에 다양한 방법을 적용해 주어야 합니다. 모델에서 기본적으로 쓰이는 Weight 의 값을 조절해주는 Regularization 방법, Overfitting 을 방지 하는 방법인 Dropout, Gradient Vanishing / Gradient Exploding 문제를 방지해주는 Batch Normalization 등의 방법을 이론과 증명을 통해 확실하게 이해하는 시간을 가지게 됩니다. 이정도 용어는 들어 보셨다구요? Baro AI Academy 에서만 배울 수 있는 또다른 과목이 준비되어 있습니다. Hyperparameter Optimization, Bayesian Optimaztion, Neural Process 등등 어디에서도 들을 수 없는 이론을 통해 Model 의 문제를 해결하는 해결력을 높이는 기회를 가져 볼 수 있을것입니다.


    

스트리밍 서비스 요금안내


* 구매 후 6개월간 이론, 실습 강의 무제한 이용 가능한 패키지 상품입니다.

* 강의자료는 PDF 로 제공되지않습니다. 일부 교재에 포함되어있지 않은 강의자료는 별도 제공됩니다.

커리큘럼

* 표시된 강의는 실습 강의에서만 다루는 주제입니다.

Subject                                                이론                                                           실습

1st Chapter

Linear models

01 DL introductionⅠ
02 DL introduction Ⅱ
03 Linear models for regressionⅠ
04 Linear models for regression Ⅱ
01 Lab course introduction *
02 Library & Tensor *
03 Linear regression - 이론강의 03, 04
04 Classification - 이론강의 03, 04

2nd Chapter

Feedforward Nets

05 Perceptron
06 Multilayer perceptrons (MLPS) Ⅰ
07 Multilayer perceptrons (MLPS) Ⅱ
05 Regression with MLP - 이론강의 06, 07
06 Multi-class classification with MLP - 이론강의 06, 07

3rd Chapter

Training

08 Optimization Ⅰ
09 Optimization Ⅱ
10 Optimization  Ⅲ, Dropout  Ⅰ
11 Dropout Ⅱ, Normalization Ⅰ
12 Normalization Ⅱ
07 Training Sin(x) function data - 이론강의 08, 09, 10
08 Stochastic gradient descent optimizer
      - 이론강의 08, 09, 10
09 ADAM Optimizer- 이론강의 08, 09, 10
10 Dropout and Batch normalization - 이론강의 11
11 Plotting Loss values *

4th Chapter

CNN

13 CNNⅠ
14 CNN Ⅱ
15 CNN Ⅲ
16 CNN Ⅳ
12 Convoluational layer with Pytorch
     - 이론강의 13, 14, 15, 16
13 CNN with MNIST database - 이론강의 13, 14, 15, 16

5th Chapter

RNN

17 RNNⅠ
18 RNN Ⅱ
19 Attention
20 Transformer models Ⅰ
21 Transformer models Ⅱ
22 Transformer models Ⅲ
23 Transformer models Ⅳ
14 Basic RNN- 이론강의 17, 18
15 Sentiment analysis - 이론강의 17, 18

6th Chapter

Autoencoder

24 Deep generative models
25 Variational autoencoderⅠ
26 Variational autoencoder Ⅱ
16 Autoencoder basic - 이론강의 24
17 Variational autoencoder - 이론강의 25, 26

7th Chapter

GAN

27 Generative adversarial networks
28 Conditional GANs
18 Feedforward network GAN - 이론강의 27
19 DCGAN (MNIST)- 이론강의 27
20 Get your own video file *

8th Chapter

Hyperparameter 
optimization

29 Hyperparameter introduction
30 Bayesian optimization
31 Acquisition function
32 Neural process
21 GP regression- 이론강의 30
22 Bayesian optimization - 이론강의 30, 31

AI 마스터 하고 싶다면?
AI Essential 3 코스 둘러보기! 

바로 AI 아카데미의 딥러닝 코스가 특별한 이유?


국내에서 머신러닝 분야를 20여년이 넘게 이끌어 왔던 前 포항공과대학교 교수인 
최승진 석학이 딥러닝 Neural Network 모델들을 스크래치 부터 차근차근 이해하기 
쉽게 알려드립니다. 다른 어떤 곳에서도 수강 할 수 없는 최승진 교수의 노하우를 녹여낸 
수업으로 딥러닝의 기초를 가장 쉽고 정확하게 배울 수 있습니다.


이론 수업과 각 주제에 맞는 실습 구성으로 이루어져 있는 탄탄한 커리큘럼으로
이론으로 개념을 잡고 실습 수업에서는 많은 수강생들이 흥미를 갖고 
딥러닝의 기본 개념을 탄탄하게 정립 할 수 있는 구현 방법을 소개 합니다. 
이론 시간에는 기존의 클래식한 알고리즘 부터 최신 알고리즘까지 다양하게 배우고 
실제 사례를 통해 실습하여 익힐 수 있습니다.


6개월간 제공되는 동영상 강의를 통해 이론과 실습을 무제한으로 복습할 수 있습니다. 
어렵게 느껴졌던 내용, 놓친 내용을 비디오를 통해 복습할 수 있고 
1:1 질문보드를 통해 자유롭게 질문하며 궁금증을 빠르게 풀 수 있습니다.
동영상을 통해 여러번 복습할 수 있는 기회로 딥러닝 마스터를 노려보세요!

20년 이상의 인공지능 연구로

세계적으로 인정받는 

최승진의 차원이 다른 클래스

딥러닝의 대부, 제프리 힌튼이

차세대 딥러닝 모델에서 활용한

최승진 석학의 논문

인공지능의 암흑기를 깨고 딥러닝의 시대를 이끌어낸 '제프리 힌튼' 은 올해 인공지능 분야 최고 권위를 자랑하는 학회 AAAI 에서 차세대 딥러닝 모델인 캡슐 네트워크에 대한 최신 연구결과를 Turing Award Winner AAAI 강연을 통해 발표했습니다.  제프리 힌튼은 그의 최신 딥러닝 모델인 ‘Stacked capsule autoencoder’ 에서 inference 를 위한 중요한 방법으로 하나의 논문을 언급했습니다.


그 논문은 바로 한국의 최승진 교수와 AItrics, Kakao, Postech 그리고 옥스퍼드 대학교에서 공동으로 발표한 ‘Set transformer’ 입니다.

5대 국제 AI 학술 대회의

Area Chair 를 역임한 

최초의 한국인 교수, 최승진 석학

최승진 교수는 머신러닝 불모지였던 국내 대학교에서 20년 이상 머신러닝 연구와 강의를 이끌었고, 가장 권위있는 국제 학술대회 AISTATS, ICML, AAAI, NeurIPS, IJCAI 에서 심사위원 자격인 Area Chair 를 5대 학회 모두에서 한국인 최초로 역임했습니다. 


현재는 정보 과학회 인공지능소사이어티 회장으로 국내 인공지능의 발전을 위해 봉사하고 있습니다.

5대 국제 인공지능 학술대회

강사소개

최승진, Ph.D.
Director

2019 - 현재


2001 - 2019

2016 - 2018

2016 - 2017

2014 - 2017

1997 - 2001

1997

1996


1989

1987

현 CTO,(주)바로AI

현 회장, 정보과학회 인공지능소사이어티

교수, 포항공과대학교 컴퓨터공학과

자문교수, 삼성전자 종합기술원, 삼성리서치

자문교수, 신한카드 빅데이터센터

센터장, 기계학습 연구센터

교수, 충북대학교 전기전자공학부

Frontier Researcher, 일본 이화학연구소

Ph.D, University of Notre Dame,
Indiana, USA

서울대학교 전기공학과 석사

서울대학교 전기공학과 박사

실습 강사

Daniel
TA

2019 - 현재

2019

현 AI Software Engineer, ㈜바로AI

POSTECH 정보통신연구소 인공지능 연구원

Project
  • Automatic Malaysian car plate detection and recognition via Deep CNN Neural Network
  • Development of face recognition model : Invariant to illumination and variant pose
  • Establish a sales strategy by analyzing consumer data Add

Eddie
TA

2020 - 현재

2019

현 AI Software Engineer, ㈜바로AI

POSTECH 정보통신연구소 인공지능 연구원

Project
  • Image Detection for Safety equipment using YOLOv3
  • Development for High Resolution image detection through NAS-FPN

20년 이상의 인공지능 연구로 세계적으로 인정받는 

최승진의 차원이 다른 클래스


딥러닝의 대부, 제프리 힌튼이

차세대 딥러닝 모델에서 활용한

최승진 석학의 논문


인공지능의 암흑기를 깨고 딥러닝의 시대를 이끌어낸 '제프리 힌튼' 은 올해
인공지능 분야 최고 권위를 자랑하는 학회 AAAI 에서 차세대 딥러닝 모델인
캡슐 네트워크에 대한 최신 연구결과를 Turing Award Winner AAAI 강연을 통해 
발표했습니다.  제프리 힌튼은 그의 최신 딥러닝 모델인 ‘Stacked capsule autoencoder’ 
에서 inference 를 위한 중요한 방법으로 하나의 논문을 언급했습니다.

그 논문은 바로 한국의 최승진 교수와 AItrics, Kakao, Postech 
그리고 옥스퍼드 대학교에서 공동으로 발표한 ‘Set Transformer’ 입니다.
5대 국제 인공지능 학술대회
5대 국제 인공지능 학술대회

5대 국제 AI 학술 대회의 Area Chair 를 역임한

최초의 한국인 교수, 최승진 석학


최승진 교수는 머신러닝 불모지였던 국내 대학교에서 20년 이상 머신러닝 연구와 강의를
이끌었고, 가장 권위있는 국제 학술대회 AISTATS, ICML, AAAI, NeurIPS, IJCAI 에서 
심사위원 자격인 Area Chair 를 5대 학회 모두에서 한국인 최초로 역임했습니다.

현재는 정보 과학회 인공지능소사이어티 회장으로
국내 인공지능의 발전을 위해 봉사하고 있습니다.

딥러닝 강의 리뷰
“ 단순히 배우고 외우는 것이 아니라 
기본적인 실력을 키우고 스스로 학습할 수 있는 
토대를 마련해주는 코스라고 생각합니다. ”
딥러닝 개발을 1년 정도 해왔기 때문에 파이썬과 딥러닝 모델도 짤 수 있지만 혼자서 공부할 때 한계를 많이 느끼고 있었는데 바로 AI 아카데미의 오픈클래스에서 최승진 교수님께서 수학적 개념에 대해 잘 설명해주셔서 바로 에이아이 아카데미에서 코스를 수강하게 되었습니다. 


원래 혼자 공부할 때는 인터넷을 통해서 정보를 얻었는데 더 수준높은 논문들을 통해 공부하고 싶어도 이해하기가 좀 어려웠는데 바로 AI 아카데미에서는 풍부한 자료들을 이해하기 쉽게 설명해주셔서 좋았습니다. 

그리고 고등학교 이후로는 수학을 따로 공부한 적이 없어서 수식을 보면 어색하고 어려울 때가 많았습니다. 그런데 교수님께서 그런 수식에 대해서 개념을 쉽게 설명해주시고 가벼운 전개를 통해서 고등학교를 마친 사람들이라도 이해할 수 있는 그런 강의를 해주셔서 참 좋았습니다.                     

- 박형준 서울 아산병원 호흡기내과 -

강사소개

최승진 , Ph.D.
Director

2019 - 현재


2001 - 2019

2016 - 2018

2016 - 2017

2014 - 2017

1997 - 2001

1997

1996

1989

1987

현 CTO,(주)바로AI

현 회장, 정보과학회 인공지능소사이어티

교수, 포항공과대학교 컴퓨터공학과

자문교수, 삼성전자 종합기술원, 삼성리서치

자문교수, 신한카드 빅데이터센터

센터장, 기계학습 연구센터

교수, 충북대학교 전기전자공학부

Frontier Researcher, 일본 이화학연구소

Ph.D, University of Notre Dame, Indiana, USA

서울대학교 전기공학과 석사

서울대학교 전기공학과 학사

실습 강사

Daniel
TA

2019 - 현재

2019

현 AI Software Engineer, ㈜ 바로AI

POSTECH 정보통신연구소 인공지능 연구원

Project
  • Automatic Malaysian car plate detection and recognition via Deep CNN Neural Network
  • Development of face recognition model - Invariant to illumination and variant pose
  • Establish a sales strategy by analyzing consumer data Add

Eddie
TA

2020 - 현재

2019

현 AI Software Engineer, ㈜ 바로AI

POSTECH 정보통신연구소 인공지능 연구원

Project
  • Image Detection for Safety equipment using YOLOv3
  • Development for High Resolution image detection through NAS-FPN

인공지능 커뮤니티

바로 에이아이 아카데미는 강의를 수강하신 분들을 대상으로 바로 아카데미 커뮤니티 를 제공하고 있습니다.
바로 에이아이 아카데미 커뮤니티에서는 온라인 메신저, FB 그룹 등으로 지속적으로 교류하며 1년에 한번 씩 네트워크 행사나 세미나가 열릴 예정입니다.

코스가 끝나도 수강생들끼리 온라인을 통해 지식을 나누고, 인공지능 커뮤니티 네트워킹을 통해 다양한 필드의 사람들과 교류해보세요.
추천 강의 STEP
이런 순서로 들으면 더 좋아요!
진정한 AI 전문가가 될 수 있는 첫 걸음!
바로 AI 아카데미가 여러분을 응원합니다.

* 각 강의를 누르시면 코스에 대한 상세한 설명을 보실 수 있습니다.

인공지능 커뮤니티

바로 에이아이 아카데미는 강의를 수강하신 분들을 대상으로 바로 아카데미 커뮤니티 를 제공하고 있습니다.

바로 에이아이 아카데미 커뮤니티에서는 온라인 메신저, FB 그룹 등으로 지속적으로 교류하며 1년에 한번 씩 네트워크 행사나 세미나가 열릴 예정입니다.


코스가 끝나도 수강생들끼리 온라인을 통해 지식을 나누고, 인공지능 커뮤니티 네트워킹을 통해 다양한 필드의 사람들과 교류하세요.

추천 강의 STEP

이런 순서로 들으면 더 좋아요!

STEP 1

STEP 2

STEP 3

STEP 4

진정한 AI 전문가가 될 수 있는 첫 걸음! 바로 AI 아카데미가 여러분을 응원합니다

* 위 버튼을 누르시면 각 코스 상세페이지를 보실 수 있습니다.


상품안내

강좌 수강 기간 : 수강권 발급일로 부터 6개월 간 무한 수강 

교재 구매 방법 : 수강신청 시 교재가 자동으로 포함되어 발송됩니다. 교재를 배송받을 주소를 정확히 기입해주세요. 강의용 외의 교재는 따로 판매하지않습니다.

유의 사항 : 수강권은 강의 구매 후 결제가 확인된 즉시 부여됩니다. 교재는 별도 구매 상품으로 추후 구매 시, 배송 기간 동안의 수강일은 연장은 불가능합니다.


환불 안내

- 결제 후 7일 이내 전액 환불이 가능합니다.

- 결제한 지 7일 이후 부터는 환불규정에 따라 환불이 진행됩니다.

  총 수강 기간의 1/3 경과 전 : 이미 납부한 교습비의 2/3 환불

  총 수강 기간의 1/2 경과 전 : 이미 납부한 교습비의 1/2 환불

  총 수강 기간의 1/2 경과 후 : 환불 불가

- 수강증이나 수강료 영수증 발급 시, 환불이 불가합니다.



유의사항

- 제주도 및 산간 지역의 경우, 4,000원의 추가 교재 택배비가 부과됩니다.

- 강의 자료는 PDF 로 제공되지 않습니다.

- 반송 시 배송비는 본인 부담입니다.

- 회원가입 시, 교재 발송을 위해 정확한 주소를 작성해주시기 바랍니다.

- 교재를 받으실 주소를 정확하게 적어주시지 않은 문제로 생긴 분실 사건에 관해서는 바로 AI 아카데미에서 책임지지 않습니다. 학교 건물이나 공공기관으로 주소를 입력 시, 유의해주시기 바랍니다.

- 환불 시, 교재 반송 배송비는 본인 부담이며 교재는 미 사용 상태가 확인된 후에 환불됩니다. 교재를 사용 한 경우 환불금액에서 교재비를 차감(₩25,000) 후 환불이 진행되며 사용하신 교재라도 반납하셔야 합니다.

- 수강확인증, 수료증, 수강료 영수증 발급시 환불이 불가합니다.