🖤 블랙프라이데이 50% 특가 · 11/19 ~ 11/30 한정
🧠 DNN·CNN·RNN 딥러닝 실무
어려워 보이던 DNN, CNN, RNN을
실습으로 끝내는 딥러닝 실무
Python과 Tensorflow Keras로 딥러닝 핵심 알고리즘을 하나씩 구현합니다.
다중 분류, 손글씨 인식, 뉴스 카테고리 분류까지 직접 코드로 확인해보세요!
24개학습 강의
4.55H강의 시간
9개학습 파트
혹시 이런 경험 있으신가요?
딥러닝 이론은 들었는데
어떤 모델을 언제 써야 할지 막막하신가요?
BEFORE
이름만 아는 알고리즘
DNN, CNN, RNN이 각각 어떤 상황에 맞는지 구분하지 못합니다
데이터 전처리부터 모델 설계까지 흐름이 머릿속에 그려지지 않습니다
학습 결과를 평가하고 시각화하는 방법을 몰라 감으로 판단합니다
AFTER
골라서 쓰는 알고리즘
딥러닝 개발 과정을 따라 데이터 준비부터 예측까지 직접 진행합니다
CNN으로 MNIST 손글씨를 인식하고, LSTM으로 뉴스 카테고리를 분류합니다
혼동 행렬과 학습 과정 시각화로 모델 성능을 확인합니다
이런 분들을 위해 준비했어요
진입장벽이 높아 미뤄왔던 딥러닝,
누구나 따라올 수 있게 설계했습니다.
⚡AI를 업무에 활용해보고 싶은 실무자 — 인공지능의 업무 활용을 직접 시도해보고 싶은 분
🚀IT 업계 커리어를 준비하는 분 — 창업, 이직, 입사 등 IT 업계로 커리어를 쌓고 싶은 분
🏢사업에 AI를 도입하려는 경영자·실무자 — 우리 사업에 인공지능을 어떻게 적용할지 판단하고 싶은 분
🌱첫 단추부터 제대로 시작하려는 분 — 딥러닝 역량을 쌓기 위해 기초부터 탄탄히 다지고 싶은 분
딥러닝 핵심 알고리즘을 이론과 실습으로 동시에 익히세요!
실습 결과 미리보기
강의에서 직접 만들게 될 결과물입니다
모델 설계부터 CNN 연산, LSTM 분류까지 실습 화면을 미리 확인해보세요.
03-2
다중선형회귀 모델 설계하기
데이터를 표준화하고 다중선형회귀 모델로 예측합니다
04-3
MNIST 손글씨 모델 평가 결과 시각화
혼동 행렬과 학습 곡선으로 성능을 확인합니다
06-1
CNN의 구성 요소
스트라이드와 필터로 CNN의 연산 과정을 이해합니다
07-2
CNN으로 모델 실행하기
CNN 모델로 MNIST 손글씨를 인식합니다
09-2
LSTM으로 뉴스 카테고리 분류하기
순환신경망 계열 LSTM으로 텍스트를 분류합니다
커리큘럼 특징
DNN, CNN, RNN의 원리를 이해하고
직접 구현까지 가는 3단계 과정
딥러닝 알고리즘의 작동 원리를 이해하고, 실습으로 실제 딥러닝 모델을 구현합니다.
1
DNN, CNN, RNN의 ‘개념과 작동 프로세스’ 이해하기
어느 상황에서 어떤 알고리즘을 쓰는지에 따라 성능이 달라지기 때문에, 각각의 원리를 상세히 살펴봅니다.
2
딥러닝 ‘모델링 과정’ 실습하기
직접 설계한 DNN, CNN, RNN 모델로 회귀와 분류를 다양한 데이터에 적용해봅니다.
3
디지털 세계의 인사이트를 ‘현실 세계로’
모델을 설계하고 훈련해 얻은 인사이트를 데이터 기반 업무 의사결정에 연결합니다.
강의 수강 이후
수강 후 당신은 이런 사람이 됩니다
🗺️
개발 프로세스 이해자
딥러닝 프로젝트의 흐름을 아는
데이터 전처리부터 모델 저장까지
딥러닝 개발 과정을 이해합니다.
🧩
알고리즘 선택자
문제에 맞는 모델을 고르는
DNN, CNN, RNN의 구성 요소와
모델링 원리를 이해합니다.
🧰
Keras 활용자
프레임워크를 자유롭게 쓰는
Tensorflow Keras의 다양한 기능으로
모델을 설계하고 실행합니다.
🧪
딥러닝 실습가
다양한 데이터로 직접 검증하는
MNIST 손글씨, IMDB, 뉴스 데이터로
딥러닝 알고리즘을 활용합니다.
수강생 전원 제공
배운 내용을 바로 활용할 수 있도록,
실습에 필요한 자료를 준비했습니다
📘
강의교안
전체 흐름과 핵심을 정리한 자료
🗂️
실습 파일
강의와 같은 환경에서 따라할 예제
* 자료는 수강 시작 후 <9. 교재 다운로드 센터>에서 받으실 수 있습니다.
🖤 블랙프라이데이 50% 특가 · 11/19 ~ 11/30 한정 · 마감 D-?
DNN, CNN, RNN,
이제 코드로 직접 구현하세요!
DNN부터 LSTM까지 · 3단계 학습
DNN, CNN, RNN,
이제 코드로 직접 구현하세요!
🖤 블프 특가 마감까지–일 –:–:–
🧠 DNN·CNN·RNN 딥러닝 실무
지식공유자 소개
강의를 이끄는 강사님
사용 프로그램 안내
본 강의에서 사용할 프로그램
🐍
Python · Anaconda 파이썬 가상 환경
가상 환경에서 실습 진행 · 일반 업무용 PC 수준이면 충분
📓
Jupyter Notebook 실습 코드 실행 환경
가상 환경 위에서 코드를 실행하며 실습
🧠
Tensorflow Keras 딥러닝 프레임워크
DNN, CNN, RNN 모델 설계와 학습에 사용
수강 전 확인해주세요듀얼 모니터·Windows OS 권장
실습 위주의 강의로 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 수강을 추천드립니다.
강의 교안 및 실습파일은 <9. 교재 다운로드 센터> 섹션에 있습니다.
자주 묻는 질문
예상 질문 Q&A
Q. 파이썬 프로그래밍에 대한 선수 지식이 필요한가요?
본 강의 및 이어지는 마소캠퍼스의 딥러닝 강의에는 기초 파이썬 활용 능력이 필요합니다. 파이썬이 익숙하지 않다면 마소캠퍼스의 ‘파이썬 데이터 분석 입문’ 및 ‘파이썬 데이터 분석 실무’ 강의를 먼저 수강하시길 추천드립니다.
Q. 강의를 수강하기 위한 요구 사항이 있나요?
실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다. 또한 Windows OS 기반으로 실습이 진행되므로 Windows 환경에서의 수강을 추천드립니다.
Q. 딥러닝에는 고사양 PC가 필요하다던데, 실습에도 필요한가요?
고사양 환경에서 실행하는 것이 좋기는 하나, 본 강의는 Anaconda와 Jupyter Notebook을 활용한 가상 환경에서 실습이 진행되므로 일반적인 업무용 PC 수준이면 수강에 어려움이 없습니다.
커리큘럼 상세
9개 파트, 24강으로 DNN부터 CNN, RNN, LSTM까지
총 24강 · 9개 파트 · 4.55H · 파트를 누르면 세부 강의가 펼쳐집니다
무료 공개표시된 강의는 클릭해서 바로 미리 볼 수 있어요
01딥러닝 실무 개요개발 과정 · 알고리즘 종류 · 데이터 전처리무료 1강
- 01-1딥러닝 개발 과정무료 공개06:29
- 01-2코드로 알아보는 딥러닝 개발 과정06:10
- 01-3딥러닝 알고리즘의 종류06:41
- 01-4데이터 준비를 위한 데이터 전처리13:08
02다중 분류 예측데이터 탐색 · 모델 설계와 실행무료 1강
- 02-1다중 분류를 위한 데이터셋 살펴보기무료 공개07:00
- 02-2다중 분류 예측을 위한 데이터 탐색24:48
- 02-3다중 분류 예측 모델 설계와 실행17:36
03다중선형회귀 모델데이터 표준화 · 모델 설계 · K-Fold 교차 검증무료 1강
- 03-1다중선형회귀의 개념과 데이터 표준화무료 공개05:34
- 03-2다중선형회귀 모델 설계와 예측23:32
- 03-3K-Fold를 이용한 교차 검증05:33
04MNIST 손글씨 인식데이터 전처리 · 혼동 행렬 · 학습 과정 시각화
- 04-1예측을 위한 MNIST 손글씨 데이터 살펴보기08:40
- 04-2MNIST 손글씨 데이터 전처리와 모델 정의20:47
- 04-3혼동 행렬과 학습 과정 시각화09:00
05합성곱신경망(CNN)CNN 개요무료 1강
- 05-1합성곱신경망(CNN)의 개요무료 공개15:33
06합성곱신경망(CNN)의 구성요소와 연산스트라이드 · 필터 · 풀링 · 드롭아웃
- 06-1스트라이드, 필터와 CNN의 연산 과정11:55
- 06-2연산을 위한 풀링과 드롭아웃14:52
07합성곱신경망(CNN)을 이용한 MNIST 손글씨 인식EarlyStopping · 모델 평가 · 모델 저장
- 07-1EarlyStopping 콜백04:23
- 07-2CNN을 이용한 MNIST 손글씨 인식14:36
- 07-3MNIST 손글씨 모델 평가와 시각화03:37
- 07-4내가 만든 모델 저장하기07:43
08순환신경망(RNN)RNN 특징 · IMDB 실습
- 08-1순환신경망(RNN)의 특징07:53
- 08-2IMDB 데이터셋을 활용한 RNN 실습19:56
09LSTMLSTM 원리 · 뉴스 카테고리 분류
- 09-1LSTM의 원리와 특징03:33
- 09-2LSTM을 이용한 뉴스 카테고리 분류13:44
* 강의 교안과 실습 파일은 수강 시작 후 <9. 교재 다운로드 센터>에서 받으실 수 있습니다.
학습 규정 및 환불 규정
학습 규정
- 본 상품은 동영상 형태의 강의를 자유롭게 수강할 수 있는 VOD(온라인 녹화 강의) 상품입니다.
- 수강 신청 및 결제를 완료하시면, ‘내 강좌’를 통해 바로 수강이 가능합니다.
총 학습기간
- 정상 수강기간(유료 수강기간) 최초 30일, 무료 수강 기간은 31일 일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.
- 하루 3시간 내외로 학습하시면 정상 수강기간(유료 수강기간) 내에 전체 과정을 모두 수강하실 수 있습니다.
- 수강 시작일은 결제일로부터 산정됩니다.
환불 규정
환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
- 쿠폰을 사용하여 강의를 결제하신 후 취소/환불 시 쿠폰은 복구되지 않습니다.
- 31일차 이후 무료로 제공되는 기간은 환불 산정에 포함되지 않습니다.
- 강의 자료(교재 등)를 다운로드한 경우에는 위 기준과 무관하게 환불이 불가합니다.
* 보다 자세한 환불 규정은 마소캠퍼스 [주의사항 및 환불규정]페이지에서 확인 가능합니다.
기타 환불 관련 안내
환불 요청은 cs@masocampus.com으로 주문번호를 함께 보내주시면 접수됩니다.
- 환불 금액은 신청 시점을 기준으로 산정되며, 업무시간 외 요청은 2영업일 오후까지 순차 처리됩니다.
- 환불 금액은 수업 시간을 기준으로 반올림하여 산정합니다.
- 계좌이체로 환불받으실 경우 이체 수수료 500원이 공제된 금액이 지급됩니다.
- 환불 대금은 접수일로부터 7영업일 이내 지급됩니다.
- 취소 및 환불 접수·처리는 평일 오전 10시~오후 4시 (점심시간 12시~1시 제외) 내에만 가능합니다.
- 취소 및 환불은 한국소비자원 고시 소비자분쟁해결기준에 의거하여 처리됩니다.
주의 사항
- 상황에 따라 별도의 사전 안내 없이 할인 혜택이 조기에 마감되거나 연장될 수 있는 점 참고 부탁드립니다.
- 천재지변, 폐업 등 불가피한 사유로 서비스 운영이 어려운 경우, 서비스가 종료될 수 있습니다.
- 커리큘럼은 완성도 향상을 위한 제작 과정에서 일부 내용이 추가, 삭제 또는 변경될 수 있습니다.
마소캠퍼스 정책 안내
마소캠퍼스 ID 공유 금지 정책
- 마소캠퍼스의 모든 온라인 강의에서는 1개의 아이디로 여러 명이 공유하는 형태를 금지하고 있습니다.
- 동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.
저작권 정책
- 마소캠퍼스의 모든 강의는 무단 배포 및 가공하는 행위, 캡처 및 녹화하여 공유하는 행위, 무단으로 판매하는 행위 등 일체의 저작권 침해 행위를 금지합니다.
- 부정 사용이 적발될 경우 저작권법 위반에 의한 법적인 제재를 받으실 수 있습니다.
그 외 공통 사항은 마소캠퍼스 [주의사항 및 환불규정], [이용약관] 페이지를 따릅니다.
