¼¹® _ µö·¯´×Àº »ç½Ç ½±Áö ¾Ê½À´Ï´Ù
1ºÎ _ µö·¯´×À» ½á¸Ô´Â ¹æ¹ý
__Áúº´ ÆÐÅÏÀÇ ¿¹Ãø : ÆÐÅÏÀÇ »ý¼º°ú ¿¹Ãø
__Word2Vec°ú ¹Ì¼ú°ü ¿· µ¿¹°¿ø : ´Ü¾î »çÀÌÀÇ °Å¸®°³³ä Ç¥ÇöÇϱâ
__»ó´ã µ¥ÀÌÅÍ ºÐ·ù ; ºÐ·ù¸¦ ¾î¶»°Ô Á¢±ÙÇÒ±î?
__ÀÚµ¿ÀÀ´ä 꺿 ¸¸µé±â : ¾î¶² ´ë´äÀ» Çϵµ·Ï ¸¸µé±î?
__ÈÀç°¨Áö ½Ã½ºÅÛ : ¿Âµµ¸¦ ¾î¶»°Ô Á¤ÀÇÇÏÁö?
__¹éÈÁ¡ ¸ÅÃâ ¿¹Ãø : ¸ÅÃâÀ» ²À ¼ýÀڷθ¸ Ç¥ÇöÇØ¾ß Çϳª?
__°¡¿ä ÀÛ°î°¡ÀÇ Åº»ý : À½Ç¥¸¦ ÀÚµ¿À¸·Î »ý¼ºÇÏ´Â ¹æ¹ýÀº?
__Ãßõ ½Ã½ºÅÛ À¯»çµµ ÇÔ¼ö : ¾î¶² °í°´°ú »óÇ°µéÀÌ ¼·Î °¡±î¿ï±î?
__¸¶À̳ʸ®Æ¼ ¸®Æ÷Æ® : ¹Ì·¡¸¦ ¿¹¾ðÇÑ´Ù´Â °Í
2ºÎ _ µö·¯´× ¼öÇÐ Á¤¸éµ¹ÆÄ
__°æ»çÇÏ°¹ý(Gradient Descent)
____±â¿ï±â
____°æ»çÇÏ°¹ý
__¿À·ù ¿ªÀüÆÄ(Error Back Propagation)
____¿À·ù ¿ªÀüÆÄ
____Çà·Ä Æí¹ÌºÐ, ÅÙ¼, ¾ßÄÚºñ¾È
____µ¥ÀÌÅÍ ±¸Á¶¿Í ½Ã½ºÅÛ ±¸ÇöÀÇ ¹®Á¦
__MCMC¿Í ¹Ì´Ï¹èÄ¡
____SGD, batch, mini-batch
____MCMC(¸¶¸£ÄÚÇÁ ¿¬¼â ¸óÅ×Ä«¸¦·Î)
__È°¼ºÈ ÇÔ¼ö¿Í ±³Â÷ ¿£Æ®·ÎÇÇ
____È°¼ºÈ ÇÔ¼ö
____¼ÒÇÁÆ®¸Æ½º¿Í ±³Â÷ ¿£Æ®·ÎÇÇ
__¿À¹öÇÇÆà °³¼±
____°¡ÁßÄ¡ °¨¼è
____µå·Ó¾Æ¿ô
__ÇнÀÈ¿°ú Çâ»ó
____ÇнÀ µ¥ÀÌÅÍÀÇ È®Àå
____°¡ÁßÄ¡ ÃʱâÈ
____ÇÏÀÌÆÛ ÆĶó¹ÌÅÍ ¼³Á¤
____Çì¼¼ Å×Å©´Ð°ú ¸ð¸àÅÒ
____³×½ºÅ×·ÎÇÁ ¸ð¸àÅÒ°ú ÇнÀ¼Óµµ Á¶Àý
__ÀÚ±âºÎȣȱâ(Auto Encoder)
____ÀÚ±âºÎȣȱâ¿Í ÈÀå½Ç °Å¿ï
____¹é»öÈ
____»çÀüÈÆ·Ã
____Èñ¼Ò ÀÚ±âºÎȣȱâ
____µð³ëÀÌ¡ ÀÚ±âºÎȣȱâ
____¿Ã¸®ºñ¾Æ ÇÖ¼¼ÀÇ »çÁø
____µ¥ÀÌÅÍ ¾ÐÃà°ú º¹±¸ ±×¸®°í ÁÖ¼ººÐ ºÐ¼®°ú ºñ±³
____SDA(Stacked Denoising Autoencoder) ¸¸µé±â
3ºÎ _ µö·¯´× ÀÌ·Ð µö´Ù Æıâ
__FNN(Feed forward Neural Network)
____°³³äÀÇ ½ÃÀÛ
____¿ìÆí¹øÈ£ ÀνÄ
__CNN(Convolutional Neural Network)
____½Å°æ¼¼Æ÷
____Äܺ¼·ç¼Ç
____CNN¿¡¼ ¿ªÀüÆÄ
____Çʱâü ÀνÄ
____Ä÷¯ À̹ÌÁö
__RBM(Restricted Boltzmann Machine)
____µ¥ÀÌÅÍÀÇ È®·üºÐÆ÷ ¸ðµ¨
____RBM¿¡¼ ¥è±¸Çϱâ
____RBM ÇнÀ
____°£´ÜÇÑ ½ÇÇè
__RNN(Recurrent Neural Network)
____³ë·¡ °¡»ç
____BPTT - Á÷°üÀûÀÎ ¼³¸í
____BPTT - ¼öÇÐÀûÀÎ ÀÌÇØ
____RNN ÄÚµùÀÇ ±¸Çö
____¹®ÀåÀÇ ÀÚµ¿»ý¼º
__LSTM°ú GRU
____´õ Àΰ£¿¡ °¡±õ°Ô
____±¸Ã¼ÀûÀÎ ±×¸²
____LSTM¿¡¼ÀÇ ¿ªÀüÆÄ
____±×·¯´Ï±î GRU
____±¸Çö°ú ½ÇÇà
____Adaptive learning rate method - Adagrad, RMSprop, Adam
____¼Ò½ººÐ¼®
__DBN(Deep Belief Network)
____µö ºô¸®ÇÁ ³×Æ®¿öÅ©ÀÇ ÀÌÇØ
____»ý¼º ¸ðµ¨°ú ÆǺ° ¸ðµ¨
____SBN ·Î±×¿ìµµÀÇ lower bound
____DBN¿¡¼ÀÇ ·Î±×¿ìµµÀÇ lower bound
____Fine Tuning
__Class-RBM
____³í¹®À¸·Î ¸¸³ª´Â Class-RBM
____Class-RBM¿¡¼ÀÇ ·Î±×¿ìµµ
____Discriminative RBM
__Deep RL
____°ÈÇнÀ °³¿ä
____¸¶¸£ÄÚÇÁ ÀÇ»ç°áÁ¤ ÇÁ·Î¼¼½º(MDP)
____º§¸¸ ±â´ë¹æÁ¤½Ä°ú QÇÔ¼ö
____µ¿Àû ÇÁ·Î±×·¡¹Ö
____¸óÅ×Ä«¸¦·Î ¹æ¹ý
____½Ã°£Â÷ ¿¹Ãø¹æ¹ý(TD)
____»ì»ç(SARSA)¿Í Q·¯´×
____Deep SARSA
____¸óÅ×Ä«¸¦·Î Á¤Ã¥ ±×·¡µð¾ðÆ®
____DQN
____A2C(Advantage Actor-Critic)
____A3C(Asynchronous Advantage Actor-Critic)
____º¼Ã÷¸¸ ¼±ÅÃ
__GAN
____Generative Adversarial Nets
____GANÀÇ ±âº»ÀûÀÎ °ø½Ä
____Entropy¿Í JSD
____GANÀÇ ÃÖÀûÈ ¹æ¹ý
____ÃÖÀûÇØÀÇ ÄÁ¹öÀü½º °¡´É¼º
¸ÎÀ½¸» _ ¹Ì·¡´Â µö·¯´×¿¡¼ ½ÃÀ۵ȴÙ
±í°í(Deep) ´Ù(Òý)¾çÇÏ°Ô ÇнÀÇØ¾ß ÇÒ Áß±ÞÀÚ¸¦ À§ÇÑ µö·¯´× Çϵå Æ®·¹ÀÌ´×
´©±¸³ª ½±°Ô ¹è¿ï ¼ö ÀÖ´Ù°í ÁÖÀåÇϴ åµéÀÌ ¼ö¾øÀÌ ¸¹Áö¸¸ ÀÌ Ã¥ [µö´Ù µö·¯´×]ÀÇ ÀúÀÚ´Â µö·¯´×ÀÌ °áÄÚ ½±Áö ¾ÊÀ¸¸ç, ¼öÇÐÀûÀÎ »çÀü Áö½ÄÀÌ ¾øÀÌ´Â µµÀüÇϱ⠾î·Æ´Ù´Â °ÍÀ» óÀ½ºÎÅÍ °Á¶ÇÑ´Ù. ¼³»ç ¾î¶»°Ô ±âº»Àº ÀÍÇûÀ»Áö¶óµµ µö·¯´×À» ½ÇÁ¦·Î ¿ì¸® ȯ°æ¿¡¼ È°¿ëÇÒÁö¿¡ ´ëÇؼ´Â ´õ¿í ³°¨ÇØÁø´Ù°í ¸»ÇÑ´Ù.
°ú°¨ÇÑ »ó»ó·ÂÀ¸·Î ¸¸µé¾î³½ µö·¯´× ½Ç½ÀÀ» ¸Àº¸´Â °ÍÀ¸·Î ½ÃÀÛÇؼ ±âº»ÀÌ µÇ´Â µö·¯´× ¼öÇÐ Áö½ÄµéÀ» »ìÆ캻 ÈÄ¿¡ ´Ù¾çÇÑ µö·¯´× À̷еéÀ» ÇнÀÇÒ ¼ö ÀÖ°Ô ±¸¼ºµÈ ÀÌ Ã¥Àº µ¶ÀÚµéÀÌ Àû¾îµµ 6°³¿ù Á¤µµ´Â ²ö±âÀÖ°Ô °øºÎÇØ¾ß ÇÒ Çϵå Æ®·¹ÀÌ´× ±³Àç´Ù. µ¶ÀÚµéÀº ÀÎÅͳÝÄ«Æä(cafe.naver.com/deepdalearning)¸¦ ÅëÇØ ÀڷḦ ¹Þ°Å³ª ÁúÀǸ¦ ÇÒ ¼ö ÀÖ´Ù.
µö·¯´× ¸Àº¸±â°¡ ¾Æ´Ï¶ó ÀÀ¿ëÀ» À§ÇÑ ±íÀÌ ÀÖ´Â ÀÌÇظ¦ ¿øÇÏÁö¸¸ ¼±¶æ µÎ·Á¿ò¿¡ °øºÎ¸¦ ½ÃÀÛÇÏÁö ¸øÇÑ µ¶ÀÚ¶ó¸é ÀÌ Ã¥ÀÌ µö·¯´×ÀÇ ¼¼°è·Î ÀεµÇÏ´Â ÈǸ¢ÇÑ ±æÀâÀÌ°¡ µÇ¾îÁÙ °ÍÀÌ´Ù.
- Á¤¿©Áø / ±¹¹Î´ëÇб³ µ¥ÀÌÅÍ»çÀ̾𽺠¹× ºòµ¥ÀÌÅÍ °æ¿µMBA ±³¼ö
ÀÌ Ã¥Àº ÀúÀÚ°¡ µö·¯´×ÀÇ À̷аú ÀÀ¿ëÀ» 100% ÀÌÇØÇÏ°í ÀÚ½ÅÀÇ ¾ð¾î·Î Ç®¾î ±â¼úÇÑ °ÍÀÌ´Ù. CNNÀ̳ª RNN ÀÌ¿Ü¿¡ RBN, GAN, Reinforcement Learning±îÁö ´Ù¾çÇÑ ¸ðÇüµµ ´Ù·ç°í ÀÖÀ¸¹Ç·Î µ¶Àڵ鿡°Ô´Â º¸³Ê½º°¡ ¾Æ´Ò±î ÇÑ´Ù.
- ¾È¼º¸¸ / ±¹¹Î´ëÇб³ µ¥ÀÌÅÍ»çÀ̾𽺠±³¼ö
ÀÌ Ã¥Àº ¾î´À Ã¥¿¡¼µµ º¸Áö ¸øÇß´ø »ó¼¼ÇÑ ¼³¸íÀ» Æ÷ÇÔÇÏ°í ÀÖ½À´Ï´Ù. ¼ö¸¹Àº ¼Ò½ºµéÀ» Àϸñ¿ä¿¬ÇÏ°Ô Á¤¸®Çß´Ù´Â »ç½Ç¸¸À¸·Îµµ ÈǸ¢ÇÏÁö¸¸, ¸¹Àº ¼ö½ÄÀ» ÇÑ ÁÙ ÇÑ ÁÙ ¼³¸íÇØ ³ª°¡´Â ÀúÀÚÀÇ Àγ»½É°ú ÀÚ»óÇÔÀÌ µ¸º¸ÀÔ´Ï´Ù.
- ±è±â¿Â / SKÅÚ·¹ÄÞ Machine Learning Engineer ¹Ú»ç
µö·¯´× ÀÔ¹®ÀÚ¸¦ À§ÇÑ ÀÌ·Ð ¼³¸íºÎÅÍ ´Ù¸¥ Ã¥¿¡¼´Â º¼ ¼ö ¾ø¾ú´ø ´Ù¾çÇÑ Çö½ÇÀûÀÎ È°¿ë »ç·ÊµéÀ» º¸¸é¼ ÀúÀÚ°¡ ¾ó¸¶³ª °í¹Î°ú ³ë·ÂÀ» Çß´ÂÁö°¡ ´À²¸Áý´Ï´Ù. ÀÌ Ã¥Àº ¾ÆÁÖ ÁÁÀº µµÀü°ú ±æÀâÀÌ°¡ µÉ °ÍÀ̶ó°í È®½ÅÇϸç Àû±Ø ÃßõÇÕ´Ï´Ù.
- ¼Áø¼ö / R¶óºä, ¿À¶óŬ SQL°ú PL/SQL µî ÀúÀÚ
óÀ½¿¡´Â ½Ç½ÀÀ¸·Î ½ÃÀÛÇÏ¿© µö·¯´×À» ¾î¶»°Ô È°¿ëÇÏ´ÂÁö Á¦´ë·Î º¸¿©ÁÖ°í À̷п¡¼ºÎÅÍ´Â Á¶½É½º·¹ µö·¯´×ÀÇ ¿ø¸®¸¦ Ç®¾î³ª°¬´Ù. µö·¯´× ±â¼úÀÌ ´çÀå ÇÊ¿äÇÑ °³¹ßÀÚ»Ó¸¸ ¾Æ´Ï¶ó, ¼ºñ½º ±âȹÀÚ³ª µö·¯´× ¹× ÀΰøÁö´É¿¡ °ü½ÉÀÖ´Â ¸ðµç »ç¶÷¿¡°Ô ÀÌ Ã¥À» ÃßõÇÏ°í ½Í´Ù.
- ÀåÇü¼® / ¼÷¸í¿©ÀÚ´ëÇб³ ºòµ¥ÀÌÅͼ¾ÅÍ ¿¬±¸¼ÒÀå, ±³¼ö
½º¸¶Æ®ÆÑÅ丮 ±¸Ãà¿¡ °ü½ÉÀ» °¡Áö°í ÀÖ´Â ¸®´õ´Â ¹°·ÐÀÌ°í ÇöÀå¿¡¼ ¹®Á¦¸¦ ÇØ°áÇÏ°íÀÚ ÇÏ´Â ½Ç¹«ÀÚ±îÁö ½±°Ô ÀÌÇØÇÏ°í Àû¿ëÇϱ⠿ëÀÌÇÏ°Ô Ä£ÀýÇÑ ±æÀâÀ̸¦ ÇÒ °ÍÀ̶ó°í ÆÇ´ÜÇÕ´Ï´Ù. ±í°Ô Àϵ¶ÇϽñ⸦ ±ÇÇÕ´Ï´Ù.
- Çѱ¤Èñ / µµ·¹ÀÌÄɹÌÄ® ITºÎ¹® ÆÀÀå
µö·¯´×Àº ³ôÀº Àα⸸Š³¸¼± ³»¿ë°ú ¾î·Á¿î ¼ö½ÄÀ¸·Î ÀÎÇØ Á¢±ÙÇϱ⠱î´Ù·Î¿î ºÐ¾ßÀÌ°í ÀÌÇØÇϱ⿣ ´Ù¼Ò ¾î·Á¿î °Íµµ »ç½ÇÀÌ´Ù. ÀÐ°í °í¹ÎÇغ¸°í »ý°¢ÇغÁ¾ß ÁøÁ¤À¸·Î ³» ½Ç·Â°ú ³» °ÍÀÌ µÇ´Â Âü ¸ÀÀ» ´À³¥ ¼ö Àִ åÀ̶ó°í »ý°¢ÇÑ´Ù.
- ±è¿ë¼® / NSȨ¼îÇÎ µ¥ÀÌÅͺм® ´ã´ç
ÀÌ Ã¥Àº µö·¯´×ÀÇ Àü¹ÝÀûÀÎ ³»¿ëÀ» À̷аú ½Ç½ÀÀ» ÅëÇØ Ã¼°èÀûÀ¸·Î Á¤¸®ÇØ º¼ ¼ö ÀÖ´Â µö·¯´× ÇнÀÀÚÀÇ ¹ÙÀ̺íó·³ ´À²¸Á³½À´Ï´Ù. µö·¯´×¿¡ ´ëÇÑ ÀÌ·ÐÀû ±âÃʸ¦ Æ°½ÇÇÏ°Ô ´ÙÁú ¼ö ÀÖÀ» »Ó¸¸ ¾Æ´Ï¶ó ÀüüÀûÀÎ ¸¶ÀÎµå ¸ÊÀ» ±×·Áº¼ ¼öµµ ÀÖ´Ù´Â Á¡¿¡¼ µö·¯´× ÇнÀÀڵ鿡°Ô ÀÌ Ã¥À» Àû±Ø ÃßõÇÕ´Ï´Ù.
- ±èº¹ÁÖ / ¿ì¸®¿¡ÇÁ¾ÆÀÌ¿¡½º ¼±ÀӰ˻翪 IT/Á¤º¸º¸¾È °¨»ç, Á¤º¸°ü¸®±â¼ú»ç, Á¤º¸½Ã½ºÅÛ°¨¸®»ç
Áö±Ý±îÁö ³ª¿Â µö·¯´× °ü·Ã ¼Àû¿¡ ȸÀÇ°¨À» ´À³¢´Â »ç¶÷µé¿¡°Ô ÇнÀ ¿å±¸¸¦ ä¿öÁÖ´Â ¿ªÇÒÀ» ÇÏ´Â ÀÌ Ã¥Àº µö·¯´×¿¡ ´ëÇÑ ´Ü¼øÇÑ °³³ä ¼Ò°³°¡ ¾Æ´Ñ ´Ù¾çÇÑ ¿¹Á¦¿Í ÇÔ²² ÀÌ·ÐÀûÀ¸·Î ü°èÀûÀÎ °úÁ¤À» ´Ù·é´Ù. ƯÈ÷ µö·¯´× ÀÔ¹®Àڷμ µö·¯´× ¾Ë°í¸®Áò ¼¿ÇÁ Æ©´×À» ¸ñÇ¥·Î ÇÏ´Â µ¶ÀÚ¿¡°Ô <µö´Ù µö·¯´×>À» ´õ´õ¿í ÃßõÇÑ´Ù.
- ºÎÇö°æ / ¾Æ¹Ý¼ÒÇÁÆ® Àü·«±âȹÆÀ ºòµ¥ÀÌÅÍ ¿¬±¸¿ø
Ãʱ⿡ µö·¯´×À» °øºÎ¸¦ ÇÏ°íÀÚ ÇÏ´Â »ç¶÷¿¡°Ô ½ÇÁúÀûÀÌ°í ±¸Ã¼ÀûÀ¸·Î µµ¿òÀÌ µÇ´Â Ã¥ÀÔ´Ï´Ù. µö·¯´×ÀÇ ±âÃÊ À̷аú °³³äÀ» °øºÎÇÏ°íÀÚ ÇÏ´Â »ç¶÷µé¿¡°Ô ÃßõÇÕ´Ï´Ù. - ÀüÁ¾½Ä / Big Leader Institute ´ëÇ¥
µö·¯´×À» °øºÎÇÒ ¶§ Àü¹ÝÀûÀÎ °³³ä ÀÌÇØ ÈÄ¿¡ ´õ ³ªÀº °øºÎ¸¦ À§ÇØ ²À ÇÊ¿äÇÑ ºÎºÐÀÌ ¼ö¸®Àû ¿¬»ê¿¡ ´ëÇÑ ÀÌÇØÀÔ´Ï´Ù. ÀÌ Ã¥Àº ºñÁÖ¾óÇÑ °³³ä, ¼ö¸®Àû ¼³¸í, ÄÚµù ½Ç½ÀÀ¸·Î µö·¯´×À̶ó´Â Å« ¿µ¿ªÀ» ŽÇèÇÏ´Â ÁÁÀº ³»ºñ°ÔÀÌ¼Ç ¿ªÇÒÀ» ÇØÁÖ°í ÀÖ½À´Ï´Ù.
- ȫâ¼ö / NICE P&I ±ÝÀ¶°øÇבּ¸¼Ò ½ÇÀå
½Ç½À¿¡¸¸ ±×Ä¡Áö ¾Ê°í µö·¯´× ¸ðµ¨¿¡ ´ëÇÑ ¼öÇÐÀû ÀÌ·ÐÀ» ¹ÙÅÁÀ¸·Î °øºÎÇÒ ¼ö Àִ åÀÔ´Ï´Ù. ¸ðµ¨ÀÇ ¹ÙÅÁÀÌ µÇ´Â ÀÌ·ÐÀ» ÇнÀÇÏ´Â °ÍÀº ½¬¿î ÀÏÀÌ ¾Æ´ÏÁö¸¸ ü°èÀûÀ¸·Î ±íÀÌ ÀÍÈ÷°íÀÚ ÇÏ´Â ºÐµé¿¡°Ô´Â ºÐ¸í µµ¿òÀÌ µÉ °ÍÀ̶ó°í »ý°¢ÇÕ´Ï´Ù.
- ±è¹ÌÇý / ÄíÆÎ ºñÁî´Ï½º ¾Ö³Î¸®½ºÆ®
4Â÷»ê¾÷Çõ¸íÀÇ ÁÖ¿ä ±â¼ú Áß ÇϳªÀÎ µö·¯´×À» ±íÀÌ ´Ù·é ÀÌ Ã¥À» °·ÂÈ÷ ÃßõÇÑ´Ù.
- ±èÇÑ»ó / °Ç°º¸Çè½É»çÆò°¡¿ø ½É»çÆò°¡¿¬±¸¼Ò ¿¬±¸¿ø