관리자 패널에서 메뉴를 설정하세요

내가 연필로 쓴 숫자 5, 컴퓨터한테 이게 뭐냐고 물어보니 이걸 8이라고 해요..? CNN을 활용한 딥러닝 실무 프로젝트로 해결해보세요!

입문자를 위한 딥러닝 실무 프로젝트 강의입니다

피자와 스파게티 사진을 분류해보고 싶어!
딥러닝 알고리즘 종류 중 하나인 CNN을 활용하여 이미지를 분류해보는 실무 프로젝트를 A부터 Z까지 따라해보는 딥러닝 실전 프로젝트 과정

이런 걸 배워요!

  • 딥러닝 개발 과정 프로세스의 이해
  • CNN 구성 요소와 모델의 원리 이해
  • CNN 모델의 성능을 높여주는 OpenCV 이해
  • CNN 모델 실습을 통한 딥러닝 활용 능력

이건 피자야! 이건 스파게티야!
CNN 알고리즘을 활용해 직접 해보는 딥러닝 실무 프로젝트!

딥러닝 CNN 알고리즘으로 이미지 분류 모델을 직접 만들어보고 싶어요!

알파고와 이세돌의 바둑 대결 기억하시나요? 인공지능(AI) 기술이 얼마나 발전했는지 전세계인들에게 보여준 사건이었습니다.
많은 언론에서는 앞다투어 AI 관련 기사를 쏟아냈습니다. 특히 머신러닝/딥러닝도 함께 주목받았는데요.
당시 국내에서도 엄청난 열풍이 불었습니다. 서점에선 관련 도서들이 베스트셀러 자리를 차지했고, 너도나도 파이썬이나 텐서플로우같은 언어를 배우겠다며 학원 문을 두드렸죠.
그런데 시간이 흐르자 열기가 점차 사그라들기 시작했습니다.
다들 배운다고 하는데 정작 주변엔 딥러닝을 배운다는 사람은 없었습니다. 대체 뭐가 문제일까요?
그건 아마도 너무 어렵기 때문일 겁니다. 아무리 쉬운 단어라고 해도 전문용어이기 때문에 쉽게 와닿지 않습니다.

그래서 저희 마소캠퍼스가 여러분께 딥러닝에서 꼭 필요한 부분 중 하나인 CNN에 대해 알아보고 이미지 분류 프로젝트를 진행하며 딥러닝에 푹 빠지실 수 있도록 도와드리겠습니다.
이번 <딥러닝 실무 프로젝트> 과정에서는 누구나 쉽게 딥러닝을 배울 수 있도록 CNN의 개념부터 실제 구현까지 전반적인 과정을 다룰 예정이니 부담없이 따라오셔도 됩니다.
본 강의를 통해 딥러닝의 중요 핵심 모델 중 이미지 인식 AI 모델인 CNN을 활용한 이미지 분류 프로젝트를 제작해보고,
이를 바탕으로 인터넷 상에 돌아다니는 강아지나 고양이 등 생김새가 비슷하여 구분하기 어려운 다양한 이미지 파일들을 딥러닝 CNN 알고리즘을 활용하면 쉽게 구분할 수 있습니다.
개와 고양이 사진을 분류해보고 싶은 당신을 위해, 딥러닝 핵심 알고리즘인 CNN을 활용한 본 강의를 적극 추천드립니다!

이런 분들께 추천해요

  • 이미지 분류를 이용해 업무 활용을 시도하고 싶은 실무자
  • IT업계로 창업/이직/입사 등 커리어를 쌓고 싶은 모든 사람
  • 사업에 인공지능을 도입하고 싶은 경영자, 실무자
  • 딥러닝 역량을 쌓기 위해 CNN의 핵심 기법을 제대로 익혀 시작하고 싶은 모든 사람

딥러닝 실무 프로젝트를 듣고 나면

<딥러닝 실무 프로젝트> 강의를 듣고 나면,

여러분께서는 다음과 같은 역량을 확보하실 수 있습니다.

  • 딥러닝 개발 과정 프로세스의 이해
  • CNN 구성 요소와 모델의 원리 이해
  • CNN 모델의 성능을 높여주는 OpenCV 이해
  • CNN 모델 실습을 통한 딥러닝 활용 능력

 

분야에 상관 없이 압도적인 생산성 향상을 가져다 주는 딥러닝!
딥러닝의 핵심 모델 중 하나인 CNN으로 이미지를 분류해보는 실무 프로젝트를 처음부터 끝까지 실습해보는 과정!

강의 특징

본 강좌를 통해 현재 가장 HOT한 딥러닝 알고리즘인 CNN의 작동 원리를 이해하고 실무 프로젝트를 통해 실제로 딥러닝 모델을 구현할 수 있습니다.

 

Step 1. CNN의 개념과 작동 프로세스 이해하기

딥러닝의 수많은 알고리즘 중 이미지 분류에 탁월한 성능 보여주는 CNN이 무엇인지,
Flickr API를 활용한 데이터 준비부터 데이터 전처리, 정확도를 높일 수 있는 OpenCV를 이용한 데이터 증식
그리고 CNN 모델 작동 프로세스까지 각각의 원리를 상세히 살펴보고 파헤쳐 드립니다!


Step 2. 딥러닝 CNN 모델링 과정 실습하기

대표적인 딥러닝 이미지 분류 알고리즘, CNN!
이미지 분류를 기존 딥러닝 모델인 DNN보다 훨씬 더 정교하고 정확하게 할 수 있는 CNN!
내가 직접 설계한 CNN 알고리즘 모델로 실무 프로젝트를 통해 실전에 바로 활용할 수 있습니다.


Step 3. Flask와 Ngrok으로 언제 어디서든 내 CNN 모델을 사용해보기

마이크로 웹 프레임워크인 Flask를 이용해 내가 직접 설계한 CNN 모델을 Flask서버를 구성하여 웹페이지에 올려보고,
외부에서 로컬에 접속 가능하게 하는 터널 프로그램인 Ngrok으로 내 컴퓨터가 아닌 어디서든 내가 만든 웹페이지에 접속할 수 있습니다.


Step 4. 디지털 세계에서 발견한 인사이트를 현실 세계로

CNN을 활용해 모델을 설계하고 훈련한 후 웹사이트에 올린 이미지가 어떤 이미지인지 예측해보고,
이를 통해 다양한 인사이트를 발견할 수 있는 딥러닝 전문가가 되실 수 있습니다.

학습 내용

1. 이미지 파일을 Numpy 형식으로!

2. CNN 모델 도식화!

3. 내가 찍은 사진으로 모델 예측해보기!

4. Flask 서버로 웹사이트 제작하기!

예상 질문 Q&A

Q. 파이썬 프로그래밍에 대한 선수 지식이 필요한가요?
A. 본 강의 및 이어지는 마소캠퍼스의 딥러닝 강의에는 기초 파이썬 활용 능력이 필요합니다. 파이썬이 익숙하지 않으신 분들께서는 마소캠퍼스의 ‘파이썬 데이터 분석 입문‘및 ‘파이썬 데이터 분석 실무’ 강의를 먼저 수강하시는 것을 추천드립니다.

Q. 강의를 수강하기 위한 요구 사항 또는 필요 조건이 있나요??
A. 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 강의 수강을 추천해드립니다.

Q. 딥러닝에는 고사양 pc가 필요하다 들었는데, 실습에 고사양 pc가 필요한가요?
A. 고사양 환경에서 실행시키시는 것이 좋기는 하나, 본 강의에서는 Anaconda와  Jupyter Notebook을 활용한 가상 환경에서 실습이 진행되므로 일반적인 업무용 PC 수준이면 수강에 어려움이 없으십니다.

지식공유자 소개

수강 전 확인해주세요!

      • 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 강의 수강을 추천해드립니다.
      • 강의 교안 및 실습파일은 <8. 교재 다운로드 센터> 섹션에 존재합니다.

안녕하세요. 마소캠퍼스입니다.

“어제보다 성장하겠습니다. 그리고, 어제보다 성장하려는 사람을 돕겠습니다.”

마소캠퍼스의 진심과 소망을 담은 Actionable Content로,

2013년부터 온오프라인으로 함께해 온 누적 강의 1억시간!

이 소중한 경험과 시간은 언제나 마소캠퍼스와 수강생 모두의 성장의 원천입니다.

마소캠퍼스 팀은 우리의 모두의 성장을 위해 두 가지 원칙을 반드시 지킵니다.

1. 배우면 반드시 쓸 수 있는 Actionable Content

2. 참여자의 시간과 수고를 존중하는 Time-Saving Curriculum

마소캠퍼스의 Actionable and Time-Saving Curriculum으로 성장의 길을 함께 걸어나가길 기원합니다.

커리큘럼

0. 딥러닝 실무 프로젝트의 개요와 개발 프로세스
[onc75] DLP001 딥러닝 실무 프로젝트의 개요 FREE 00:05:25
[onc75] DLP002 CNN 모델 프로세스 00:03:40
[onc75] DLP003 실무 프로젝트 개발 과정 프로세스 00:05:27
1. 데이터셋 구성과 데이터 전처리
[onc75] DLP101 이미지 수집을 위한 Flickr API 연결 FREE 00:09:50
[onc75] DLP102 Flickr API를 이용한 이미지 수집 00:13:27
[onc75] DLP103 이미지 Numpy 형식 변환의 작업 순서 00:03:37
[onc75] DLP104 이미지 Numpy 형식으로 변환하기 00:06:43
[onc75] DLP105 원-핫 인코딩과 데이터 구분 00:04:26
[onc75] DLP106 이미지 데이터 전처리 00:04:46
2. CNN 모델 정의 컴파일
[onc75] DLP201 CNN 구조와 활성화 함수 FREE 00:10:41
[onc75] DLP202 컨볼루션 연산과 스트라이드 00:04:41
[onc75] DLP203 CNN 모델 도식화 00:07:12
[onc75] DLP204 CNN 모델 정의와 컴파일 설정 00:06:47
3. CNN 모델 실행
[onc75] DLP301 모델 평가와 시각화 FREE 00:09:07
4. 이미지 증식 모델 개선
[onc75] DLP401 OpenCV를 활용한 이미지 증식 00:07:23
[onc75] DLP402 증식된 이미지를 활용한 모델 평가 00:03:01
5. CNN 모델 예측하기
[onc75] DLP501 직접 찍은 사진을 이용한 모델 예측 00:09:12
6. Flask 프레임워크를 이용한 CNN 모델 웹서빙
[onc75] DLP601 웹서빙을 위한 Flask 서버 구성 00:05:30
[onc75] DLP602 Flask 서버를 이용한 웹페이지 제작 00:15:34
7. Ngrok과 Flask를 이용한 웹서빙
[onc75] DLP701 Ngrok 프레임워크를 활용한 외부 연결 00:09:28
[onc75] DLP702 포트 연결 해제와 강의 핵심 요약 00:04:42
8. 교재 다운로드 센터
[onc75] DLP801 교재 다운로드 센터 00:00:00
9. 사후 만족도 평가
[onc75] DLP901_사후 만족도 조사 00:00:00
Actionable Contents
448029 등록 수강생

머니매그넷(주) Since 2013
마소캠퍼스 ICT 원격평생교육원
- 온라인|원격평생교육시설 등록번호
: 제 원-119호

마소캠퍼스 DT평생교육원
- 오프라인|지식·인력개발사업 평생교육시설 등록번호
: 제 지-137호

강남캠퍼스: 서울시 서초구 강남대로 53길 8, 10-31호(서초동, 스타크 강남빌딩) 10-31, Gangnamdae-ro 53Gil 8, Seocho-gu, Seoul (06621)
송도교육연구원: 인천광역시 연수구 송도과학로 32 송도테크노파크IT센터 S동 2003호, 20F, Technopark IT center, Songdogwahak-ro 32, Yeonsu-gu, Incheon (21984)

전화 02-6080-2022, 팩스 02-6455-2021, 이메일 문의 cs@masocampus.com

사업자정보 264-81-13054
통신판매업번호 2023-서울서초-1812, 대표(개인정보책임자): 김진, 서비스 이용약관, 개인정보 처리방침, 사업자정보확인

마소캠퍼스 웹사이트는 크롬 브라우저에 최적화 되어 있습니다.

©MasoCampus. All rights reserved.
지금 보고 계신 VOD 강의는
 
총 21개 수업/2시간 36분
[수강기한: 6개월 -> 평생수강 이벤트 진행중]
 
정가 399,000원 ->  99,000