오늘 본 교육 0
새로운 정보를 준비 중입니다 :)
찜한교육

> 국비교육 > 인공지능ㆍ빅데이터 > pytorch 기반의 실전 딥러닝 과정

종료

pytorch 기반의 실전 딥러닝 과정

  • 📅교육기간2021.08.31(화) ~ 2021.12.09(목)
  • 📅접수기간2021.06.11(금) ~ 2021.07.23(금)
  • 🏴교육기관서울산업진흥원
  • �‍💻교육형태혼합 🎓모집인원10명
  • 📍교육장소서울 영등포구 선유로9길 30 싹 영등포 캠퍼스

enlightened과정소개

 

- 본 과정은 이론수업도 병행하나, 각 주제마다 교육생들이 자신의 환경에서 160여개의 머신러닝 문제를 직접 풀어서 구현해 보는 핸즈온(Hands-on)이 핵심입니다. 문제를 반복해서 풀면서 복잡한 개념들을 이해할 수 있도록 하는 것이 기본 학습방식입니다.

 

- 현재 가장 널리 쓰이는 딥러닝 프레임워크 중 하나인 pytorch를 활용하여, 현장의 수요가 많은 영상과 자연어 처리 두가지 주제에 대해 주로 학습합니다.

 

- 주중 매 화/목요일마다 8시간씩 교육하여 총 3.5개월간 학습하는 일정이지만, 수업이 없는 날짜에도 온라인 도구들을 이용하여 수강생들을 멘토링할 수 있도록 할 계획입니다.

 

- pytorch lightning이나 huggingface Transformers, BERT, model hub 등 이 분야에서 등장한 새로운 기술들에 대해서도 가급적 많은 내용들을 배울 수 있도록 과정을 구성했습니다.

 

- 단순히 머신러닝/딥러닝에 대해서 배울 뿐만 아니라, 중반부의 미니 프로젝트와 후반부의 포트폴리오 프로젝트 과정에서는 배운 기술들을 서비스로 직접 구현합니다. 이를 위해 현장에서 사용하는 최신의 백엔드 웹기술들과  gitlab CI/CD등의 자동화 기술에 대해서도 학습하게 됩니다.

 

 

 

enlightened강사소개

 

❍ 이름: 노규남

 

❍ 주요 경력

 

2021. 5~ 솔로몬 하이 멘토십 멘토

 

2021. 4~ 클라우드정책협의회 위원

 

2018~ 과기부 SW마에스트로 10~12기 멘토

 

2020. 3 ~ 국방통합데이터센터 자문위원

 

2019. 3 ~2021. 6 ㈜케이아이엔엑스 CTO

 

2018~2019. 2 ㈜가비아 CTO

 

2017~2018 KISA 개인정보보호 모의재판 출제위원

 

2017. 9 클라우드보안협의회 초대 위원

 

2017. 8 ㈜에스피소프트 CTO 겸임

 

2014. 1~2019 .1 ㈜가비아 최고정보보호책임자(CISO)

 

2013. 11 (주)에버뷰대표이사

 

2009~2010 한국직업능력개발원 ETPL 선정 심사위원

 

2009. 6 ㈜ 밸류스타 이사

 

2004. 8 ~ 2005. 8 ㈜ 퍼니넷 CTO 역

 

2002. 9 ~ 2004. 6 리드텍 부설연구소장 역

 

2001. 1 프로그램세계 기획자문위원 위촉

 

2000. 9 SoftBank 웹인스티튜트 전임연구위원 위촉

 

 

 

 

enlightened과정구성

 

이 과정은 서비스로 보면 AI 분야로, 직무로는 머신러닝/AI에 해당하며, 언어와 프레임워크는 python & pytorch를 주로 사용합니다. 전체 교육과정은 크게 8개의 섹션으로 나누어져 있으며, 각 섹션의 내용은 다음과 같습니다.

 

- 통계학과 머신러닝 이론: 인공지능과 그의 기반이 되는 통계학에 대한 기본적 이론을 학습합니다.

 

- 환경구축 및 기초실습: docker, jupyter notebook 등 이 과정에서 문제를 풀기 위해 필요한 각자의 클라우드 환경을 구축합니다. sklearn, seaborn의 패키지와 데이터셋을 활용해 데이터분석, 시각화, Regression/Classification, train/test split 등 머신러닝에 필요한 기본 지식에 대해서 학습합니다.

 

- pytorch 프로그래밍 기본구조: pytorch 패키지의 기본적인 코드 형태와 이론, 사용방법에 대해서 학습합니다.

 

- CNN 영상처리: pytorch를 활용하여 주로 torchvision의 데이터셋을 학습하고 Regression/Classification하는 문제를 풀어봅니다. CNN의 성능을 향상시키는 방법들, LeNet부부 DenseNet까지 다양한 CNN 모델에 대해서 알아봅니다. 최근에 주목 받고 있는 Transfer Learning에 대해서도 살펴봅니다.

 

- 중간평가 - 미니 프로젝트: CNN까지 학습한 내용을 가지고 개인별로 작은 규모의 프로젝트를 구현해봅니다.

 

- 자연어처리(NLP): RNN 계열 패키지, word embedding 방법, seq2seq, Attention, Transformer와 BERT의 fine tuning에 대해서 학습합니다. BERT의 한국어 pretrained model인 KoBERT와 KcBERT, KoELECTRA에 대해서도 문제 풀이를 통해 학습합니다.

 

- 웹서비스 백엔드 기술: 컨테이너 기반으로 딥러닝 서비스를 구현하기 위한 백엔드 구축 기술들인 docker, kubernetes, istio에 대해서 학습합니다. gitlab으로 CI/CD 파이프라인을 구성하여 자동배포할 수 있는 시스템을 구축합니다. SpringBoot과 Django, Flask를 사용하여 학습한 머신러닝 기술들을 웹서비스에 접목합니다.

 

- 포트폴리오 프로젝트: 약 한달 간 진행되는 팀 프로젝트로, 이 과정에서 학습한 내용들을 망라, 직접 선정한 주제로 실무와 유사한 환경에서 서비스를 구현합니다.

 

 

 

enlightened교육일정

 

❍ 교육일정: 8. 31(화)부터 3.5개월(224시간)

 

- 매주 화/목요일 : 09시 ~ 18시 (일 8시간)

 

* 코로나19가 지속 확산 시에는 온라인 강의 등으로 변경될 수 있습니다.

 

❍ 교육장소: 싹 영등포 캠퍼스

 

- 영등포구 문래동6가 21(선유로9길 30) *문래역 도보 10분 거리

 

 

 

enlightened모집개요

 

❍ 모집대상

- 수강신청일 기준 만 15세 이상의 서울시민(주소지 등록기준)으로, 기초지식 (레벨)을 갖추고 수료 직후 개발자로 취업 또는 창업을 하고자 하시는 분

 

❍ 모집규모: 10명

 

❍ 신청기간: 2021. 7. 12.(월)까지

 

❍ 선발방법: 기초지식(레벨) 테스트와 면접 등을 통해 선발합니다.

 

  - 리눅스에 대한 기본 지식과 한가지 이상의 개발언어 습득이 교육을 받기 위한 최소 필요조건입니다. 

 

    면접과 테스트는 Zoom 화상회의로 진행하며, 신청시 입력하신 연락처로 이후 진행사항을 알려드리니 정확하게 입력해주세요.

 

 

❍ 수강신청

 

1. 수강신청서 * 링크(https://forms.gle/YC72hJoXm9SZUCpc6)를 먼저 작성 후 

 

2. 페이지 하단 및 우측의 '접수링크' 버튼을 눌러서 수강신청 해주세요.

 

 

❍ 교육비

 

- 무료. 단, 예치금 8만원을 선납하고, 수료(교육 시간의 80% 이상을 이수 또는 교육시간의 30% 이상을 이수한 이후 조기 취업한 경우)후 반환

 

* 과정별 진도율 5% 미만에 과정 이탈 시 반환하여, 그 이상의 과정 중 수료 기준에 미달하는 경우 예치금은 반환되지 않음

 

 

❍ 교육생 관리

 

- 강사와 교육생들이 공유하는 git repo를 운영합니다. 교육생들은 이 repo에 과제를 commit하게 되며, 강사는 이 repo를 사용해 과정의 각 주제에 대한 baseline code를 공유하고 교육생들의 코드를 리뷰할 수 있습니다.

 

 - 중반의 미니 프로젝트 과정에서 전체 교육생들에 대한 진로를 최소 1회 이상 상담합니다.  

 

 

❍ 과정문의: bardroh@empas.com

 

 

enlightened학습목표

 

- 인공지능의 기반이 되는 데이터 과학과 통계학의 기본 이론들에 대해 이해한다.

- pytorch를 학습하기 위한 여러가지 방법의 환경구축을 스스로 할 수 있다.

- sklearn과 seaborn의 데이터셋을 분석, 시각화하고 여러가지 패키지들로 학습시킬 수 있다.

- pytorch 패키지의 기본 코드 구조를 이해하고 주어진 데이터셋을 이 코드에 적용할 수 있다.

- 다양한 CNN 모델을 구현하고 성능 향상을 위해 사용하는 기법들을 이해할 수 있다. Transfer Learning을 사용할 수 있다.

- RNN과 Attention, Transformer를 사용하여 seq2seq를 구현할 수 있다.

- BERT와 같은 pretrained model을 이용하여 fine-tuning하는 방법을 이해하고 적용할 수 있다.

- Cloud-native한 기술로 웹서비스 백엔드를 구현하고, 학습한 pytorch 프로젝트와 연동할 수 있다.

 

 

 

 

 

위치보기 크게보기
서울 영등포구 선유로9길 30 싹 영등포 캠퍼스
클릭! 좀 더 자세히 보기