반응형
딥러닝의 이론적 기초 강의 계획안
강의 개요
- 강의 제목: 딥러닝의 이론적 기초
- 강의 목표: 딥러닝의 기본 개념과 원리를 이해하고, 다양한 신경망 구조와 학습 방법에 대해 학습하며, 이론적 배경을 통해 딥러닝 모델의 설계와 응용 능력을 배양한다.
- 대상: 머신러닝 기초를 이해하고 있는 대학생 및 관련 종사자
- 강의 기간: 12주 (주 1회, 회당 2시간)
강의 일정 및 내용
주차주제내용실습/과제
1주차 | 딥러닝 개요 | 딥러닝의 정의, 역사, 주요 응용 분야 | 딥러닝 기본 개념 요약 |
2주차 | 신경망의 기초 | 인공신경망의 기본 구조와 원리 | 간단한 신경망 구현 |
3주차 | 활성화 함수와 손실 함수 | 주요 활성화 함수와 손실 함수의 이해와 적용 | 활성화 함수 및 손실 함수 실습 |
4주차 | 역전파 알고리즘 | 역전파 알고리즘의 원리와 수학적 배경 | 역전파 알고리즘 구현 |
5주차 | 신경망 학습 방법 | 경사 하강법, 학습률 조정, 과적합 방지 기법 | 다양한 학습 방법 적용 실습 |
6주차 | 심층 신경망 | 심층 신경망의 구조와 학습 | 심층 신경망 구현 및 학습 |
7주차 | 합성곱 신경망 (CNN) | CNN의 구조와 원리, 주요 응용 | 간단한 CNN 구현 및 실습 |
8주차 | 순환 신경망 (RNN) | RNN의 구조와 원리, 주요 응용 | 간단한 RNN 구현 및 실습 |
9주차 | 최적화 기법 | 주요 최적화 기법 (Adam, RMSprop 등) | 최적화 기법 비교 실습 |
10주차 | 딥러닝의 설명 가능성 | 딥러닝 모델의 해석과 설명 가능성 | 설명 가능한 AI 실습 |
11주차 | 최신 연구 동향 | 딥러닝 최신 연구 동향 소개 및 논문 리뷰 | 최신 논문 읽기 및 토론 |
12주차 | 프로젝트 발표 및 피드백 | 최종 프로젝트 발표 및 피드백 | 프로젝트 발표 및 최종 보고서 작성 |
반응형