파이썬을 이용한 딥러닝과 NLP

인공지능, 기계학습, 딥러닝 개관 (3H)

기계학습 원리 (1H)

기계학습 모델 평가 (1H)

기계학습 최적화 (1H)

선형 회귀, 로지스틱 회귀, 소프트맥스 회귀 (1H)

scikit-learn을 활용한 회귀 실습 (1H)

텐서플로를 이용한 경사 기반 학습, 회귀 실습 (1H)

텐서플로 소개 (1H)

인공신경망, 단층 퍼셉트론 (1H)

다층 퍼셉트론, 동등성 정리, 범용 근사 정리 (2H)

딥러닝, 딥 피드 포워드 네트워크 (1H)

딥러닝 모델 평가 및 최적화 (2H)

CNN (1H)

실시간 객체 검출 - YOLO (1H)

객체 세그먼테이션 (1H)

RNN (2H)

Autoencoder (1H)

GAN (2H)

강화학습 (2H)

OpenAI Gym을 활용한 강화학습 실습 (2H)

심층강화학습 이론 (1H)

텐서플로를 활용한 Deep-Q-Network 실습 (1H)

policy gradient (1H)

A3C (1H)

자연처 처리 개관 (1H)

문장 및 언어의 기본 구조 (영어와 한글) (1H)

NLTK (1H)

토큰화, 정규화 (0.5H)

지프의 법칙, 유사척도 (0.5H)

n-gram 모델 (0.5H)

MLE 모델 (0.5H)

코퍼스, 스테밍 (1H)

형태소 분석 (1H)

한국어 형태소 분석기 KoNLPy, 품사 태깅 (1H)

딥자연처리 (1H)

워드 임베딩, Word2Vec (1H)

Glove (1H)

워드 윈도우 분류 (1H)

dependency parsing (1H)

RNN과 언어 모델 (1H)

문장 모델링을 위한 CNN (1H)

Tree Recursive Neural Networks과 Constituency Parsing (1H)