파이썬 딥러닝 파이토치

Part 01 파이토치 기초
1. 파이썬 또는 아나콘다 설치하기
1.1 파이썬 공식 홈페이지에서 다운로드하기
1.2 아나콘다를 이용해 파이썬 다운로드하기
1.3 공식 홈페이지에서 파이썬 설치하기 vs. 아나콘다를 이용해 파이썬 설치하기
1.4 가상 환경 설정하기
1.5 주피터 노트북 설치 및 실행
2. CUDA, CuDNN 설치하기
2.1 CPU vs. GPU
2.2 CUDA 역할 및 설치하기
2.3 CuDNN 역할 및 설치하기
2.4 Docker란?
3. 파이토치 설치하기
4. 반드시 알아야 하는 파이토치 스킬
4.1 텐서
4.2 Autograd

Part 02 AI Background
1. 인공지능(딥러닝)의 정의와 사례
1.1 인공지능이란?
1.2 인공지능의 사례
2. 파이토치
3. 머신러닝의 정의와 종류
3.1 머신러닝이란?
3.2 머신러닝의 종류
3.3 머신러닝의 구분
3.4 지도학습 모델의 종류
4. 과적합
4.1 학습할 샘플 데이터 수의 부족
4.2 풀고자 하는 문제에 비해 복잡한 모델을 적용
4.3 적합성 평가 및 실험 설계(Training, Validation, Test , Cross Validation)
5. 인공 신경망
5.1 퍼셉트론
5.2 신경망 모형의 단점
6. 성능 지표

Part 03 Deep Learning
1. 딥러닝의 정의
2. 딥러닝이 발전하게 된 계기
3. 딥러닝의 종류
4. 딥러닝의 발전을 이끈 알고리즘
4.1 Dropout
4.2 Activation 함수
4.3 Batch Normalization
4.4 Initialization
4.5 Optimizer
4.6 AutoEncoder(AE)
4.7 Stacked AutoEncoder
4.8 Denoising AutoEncoder(DAE)

Part 04 컴퓨터 비전
1. Convolutional Neural Network(CNN)
2. CNN과 MLP
3. Data Augmentation
4. CNN Architecture
5. Transfer Learning

Part 05 자연어 처리
1. Data & Task: 어떤 데이터가 있을까?
1.1 감정 분석(Sentiment Analysis)
1.2 요약(Summarization)
1.3 기계 번역(Machine Translation)
1.4 질문 응답(Question Answering)
1.5 기타(etc.)
2. 문자를 숫자로 표현하는 방법
2.1 Corpus & Out-of-Vocabulary(OOV)
2.2 Byte Pair Encoding(BPE)
2.3 Word Embedding
3. Models
3.1 Deep Learning Models
3.2 Pre-Trained Model의 시대 - Transformer, BERT의 등장
4. Recap
4.1 ?5-3_model_imdb_glove.ipynb’ 코드에 대한 설명
4.2 ?5-5_model_imdb_BERT.ipynb’ 코드에 대한 설명
4.3 모델 성능 비교

Part 06 Other Topics
1. Generative Adversarial Networks(GAN)
2. 강화학습
3. Domain Adaptation
4. Continual Learning
5. Object Detection
6. Segmentation
7. Meta Learning
8. AutoML