개요
본 교육 프로그램은 PyTorch 프레임워크를 활용한 이미지 분류 및 세그멘테이션 모델 구현까지를 실습 중심으로 학습하는 컴퓨터 비전 특화 딥러닝 교육 과정입니다.
Python 문법과 함께 Numpy, Pandas, Matplotlib 등 핵심 라이브러리를 익히며, 딥러닝 구현에 필요한 프로그래밍 기초를 다집니다.
PyTorch의 기본 개념과 개발 환경 설정, 그리고 머신러닝 및 CNN(합성곱 신경망) 아키텍처에 대한 개념을 학습합니다.
이미지 분류 모델을 실제로 구현하고, 산업 이미지를 대상으로 ResNet 기반 분류 모델을 설계 및 학습하면서 실무 데이터를 다루는 경험을 쌓게 됩니다.
U-Net 기반의 세그멘테이션(Segmentation) 모델 구현과 실습을 진행하며, 이미지 내 객체 영역을 정확하게 분리해내는 모델 구조와 원리를 학습하고, 관련 데이터셋을 준비하고 모델을 구현하는 전체 흐름을 경험합니다.
이 과정을 통해 수강생은 기초 문법 → 딥러닝 구조 이해 → 실전 모델 구현까지의 학습을 완료하며, 컴퓨터 비전 분야의 핵심 기술을 실무에 적용할 수 있는 기반 역량을 갖추게 됩니다.
강의 대상
비전공자
강의 시간
1일 4시간, 총 30일 120시간
강의 계획서
| 주차 | 주제 | 내용 |
|---|---|---|
| 1주차 | Python | – Python기본 문법 |
| 2주차 | Python | – Python 기본 문법 – Python 라이브러리 |
| 3주차 | Pytorch | – Pytorch 개요 – Pytorch 개발환경 구축 – 머신러닝 개요 – CNN 아키텍처 |
| 4주차 | Pytorch | – 이미지 분류 실습 |
| 5주차 | 산업이미지 분류 실습 | – 이미지 분류 모델 ResNet 설계 및 구현 – 분류 모델 실습 |
| 6주차 | 세그멘테이션 실습 | – 세그멘테이션 개요 – U-Net 모델 구조, 기능 설명 – 데이터셋 준비 – 모델 구현 – 세그멘테이션 실습 |