개요
본 교육 프로그램은 딥러닝의 대표적 모델인 합성곱 신경망(CNN)을 중심으로, 이미지 분류부터 객체 탐지, 이상치 감지까지 다양한 컴퓨터 비전 응용 기술을 실습 기반으로 학습하는 고급 과정입니다.
CNN의 구조와 원리를 이해하고, TensorFlow를 활용한 이미지 분류 모델을 직접 구축해보며 CNN의 작동 방식을 실습으로 체득합니다.
VGG, ResNet 등 사전 학습된(pre-trained) 모델을 활용한 전이 학습과 데이터 증강 기법을 통해 소량의 데이터로도 성능 높은 모델을 구축하는 방법을 익힙니다.
객체 탐지(object detection)의 개념과 YOLO(YOU ONLY LOOK ONCE) 기반 네트워크 구조를 학습하고, 이미지 레이블링부터 전이 학습 기반 객체 탐지 모델 학습까지 일련의 실습 과정을 통해 실무 적용 능력을 기릅니다.
오토인코더(AutoEncoder)의 구조와 원리를 이해하고, 이를 활용한 제조 불량품 탐지 등 이상치(Anomaly) 감지 실습을 통해 비정형 데이터 분석 역량까지 확장합니다.
이 강의는 단순한 이론 전달을 넘어, 실제 데이터를 바탕으로 한 인공지능 모델 설계·학습·적용까지의 전 과정을 체험할 수 있도록 설계되었으며, 딥러닝 기반 비전 기술을 활용한 실무 프로젝트에 바로 투입 가능한 수준의 실전 역량을 목표로 합니다.
강의 대상
기업 재직자
강의 시간
1일 8시간, 총 8시간
강의 계획서
| 일차 | 차시 | 주제 | 내용 |
|---|---|---|---|
| 1일차 | 1차시 | CNN | – CNN 구조 소개 – 텐서플로우 기반 CNN 구축 – CNN 기반 이미지 분류 실습 |
| | 2차시 | CNN | – Pre-trained CNN 구조 소개 – CNN 추론 – CNN 전이 학습 – 데이터 증강 |
| 3차시 | 객체 탐지 | – 객체 탐지 및 객체 탐지 네트워크 구조 소개 – 이미지 레이블링 실습 – Yolo 기반 객체 탐지 전이 학습 | |
| | 4차시 | 오토 인코더 | – 오토인코더 구조 소개 – 오토인코더를 활용한 이상치(불량품) 감지 |