[딥러닝의 이론적 기초] 딥러닝의 이론적 기초 커리큘럼

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