lnb영역
기술교육
- 전체
- 기계
- 전기·전자
- 반도체
- 재료
- 공조냉동
- 건설/토목
- 플랜트/발전설비
- 환경·에너지·안전
- 소방
- 생산/품질
- 물류/유통
- 4차산업혁명
- DT
- ChatGPT
- 식품/가공
- 스마트공장
- 자동차
- 드론
- 제약
- 플립러닝
고객센터
02-6959-5779
ribbon@kitanet.or.kr상담가능시간 : 평일 09:00~18:00
토/일요일 및 공휴일 휴무
컨텐츠 내용
- 수강신청
- 과정정보
데이터 분석 입문 II
과정소개
딥러닝을 통한 데이터 분석부터 최신 이슈 및 사례까지 알아봅니다.
▶교육대상
- 딥러닝을 통한 데이터 분석부터 최신 이슈 학습으로 인사이트를 얻고자 하는 직장인
▶학습목차
1. 인공 신경망과 딥러닝
2. Perceptron의 이해
3. 파라미터 및 하이퍼 파라미터
4. 가중치와 손실 함수
5. Back Propagation
6. Gradient Descent
7. Mini-Batch 학습법
8. Overfitting과 Dropout
9. Deep Belief Network
10. Convolutional Neural Network
11. Open CV와 딥러닝
12. Recurrent Neural Network
13. LSTM
14. 오토인코더
15. Word2Vec
16. Doc2Vec
17. BERT
18. 한글 임베딩과 활용
19. Generative Adversarial Network
20. 설명가능 AI
21. 데이터 리터러시와 분석
22. 미디어로 보는 핫이슈 ①
23. 미디어로 보는 핫이슈 ②
24. 데이터 전처리부터 모형 선정까지
25. 모형 튜닝에서 예측까지
26. 데이터 분석과 스마트팩토리
27. 데이터 분석과 RPA
28. 데이터 분석과 금융 상품
29. 데이터 분석과 자율주행
30. 데이터 분석 트렌드 이미지 처리
31. 데이터 분석 트렌드 eXplainable AI
32. 데이터 분석 트렌드 양자 컴퓨팅과 머신러닝
▶수료기준
항목 |
진도율 |
진행단계평가 |
최종평가 |
과제 |
수료점수 |
평가비율 |
100% |
0% |
0% |
0% |
60점이상 |
수료조건 |
80% |
없음 |
없음 |
없음 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
학습목표
2. 분석 예시부터 향후 트렌드까지 함께 살펴봅니다.
차시 | 강의명 |
---|---|
1차시 | 1. 머신 러닝과 딥러닝 |
2차시 | 2. 퍼셉트론 |
3차시 | 3. 딥러닝 모델 요소 |
4차시 | 4. 딥러닝의 구성 요소 |
5차시 | 5. 순전파와 역전파 |
6차시 | 6. 딥러닝 문제 해결과 개발 |