After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
딥 러닝의 힘을 이해하기
딥러닝은 스마트폰 카메라, 음성 비서, 자율주행 자동차 등 어디에서나 활용되고 있습니다. 딥러닝은 단백질 구조를 발견하는 데에도 도움을 주었고, 바둑에서 인간을 이기기도 했습니다. 이 강력한 기술을 발견하고, 가장 인기 있는 딥러닝 라이브러리 중 하나인 PyTorch를 사용해 이를 활용하는 방법을 배워보세요.첫 번째 신경망을 훈련하세요
먼저 딥 러닝과 "클래식" 머신 러닝의 차이를 살펴보세요. 신경망의 학습 과정과 학습 루프 작성 방법을 배우게 됩니다. 이를 위해 회귀 및 분류 문제에 대한 손실 함수를 만들고, PyTorch를 활용하여 손실 함수의 도함수를 계산하는 방법을 배웁니다.모델을 평가하고 개선하세요
후반부에서는 모델을 개선하기 위해 조정할 수 있는 다양한 하이퍼파라미터를 배웁니다. 신경망의 다양한 구성 요소를 학습한 후에는 더 크고 복잡한 아키텍처를 만들 수 있게 됩니다. 모델 성능을 측정하기 위해서는 모델 평가용 PyTorch 라이브러리인 TorchMetrics를 활용합니다.수료 후에는 딥러닝을 사용하여 PyTorch를 활용해 표 형식 데이터와 이미지 데이터 모두에서 분류 및 회귀 문제를 해결할 수 있게 됩니다. 경력을 발전시키고자 하는 숙련된 데이터 전문가에게 필수적인 역량입니다.
사전 요구 사항
커리큘럼
코스 개요
1
딥러닝 라이브러리 PyTorch 소개
자율주행차, 스마트폰, 검색 엔진까지... 이제 딥러닝은 어디에나 있습니다. 복잡한 모델을 만들기 전에, 딥러닝 프레임워크인 PyTorch에 익숙해지세요. 텐서를 다루고, PyTorch 데이터 구조를 만들며, 선형 레이어로 첫 신경망을 구축하는 법을 배웁니다.
2
신경망 아키텍처와 하이퍼파라미터
PyTorch에서 신경망을 학습하려면 먼저 활성화 함수와 손실 함수 같은 추가 구성 요소를 이해해야 해요. 그런 다음, 네트워크를 학습시키려면 손실 함수를 최소화해야 하며, 이를 위해 기울기를 계산한다는 점을 알게 됩니다. 이 기울기를 사용해 모델의 파라미터를 업데이트하는 방법을 배우게 됩니다.
3
PyTorch로 신경망 학습하기
이제 신경망의 핵심 요소를 배웠으니, 학습 루프를 사용해 직접 모델을 학습해 볼 거예요. 기울기 소실 같은 잠재적 문제를 살펴보고, 대체 활성화 함수, 학습률과 모멘텀 튜닝 등으로 이를 해결하는 전략을 배웁니다.
4
모델 평가와 성능 향상
딥러닝 모델 학습은 일종의 노하우가 필요한 작업이에요. 모델이 제대로 학습되고 있는지 확인하려면 손실이나 정확도 같은 지표를 학습 중에 추적해야 합니다. 이러한 지표를 계산하는 방법과 과적합을 줄이는 방법을 배웁니다.
PyTorch로 배우는 딥러닝 입문
코스
완료
