컨텐츠 내용
- 수강신청
- 과정정보
[AI 딥러닝 백과사전] 딥러닝 모델의 성능 개선과 평가
학습목표
학습된 모델을 다양한 성능 평가 지표로 분석하고, 평가 결과를 기반으로 하이퍼파라미터 조정 및 피드백 반영을 통해 최적화된 모델로 개선할 수 있는 능력을 기른다.
※ 본 과정은 통합 패키지가 아닌 개별 과정입니다.
전체 모듈 패키지 수강을 희망하시는 경우 '[AI 딥러닝 백과사전] 통합 패키지' 과정을 신청하여주시기 바랍니다.
※ 본 과정은 통합 패키지가 아닌 개별 과정입니다.
전체 모듈 패키지 수강을 희망하시는 경우 '[AI 딥러닝 백과사전] 통합 패키지' 과정을 신청하여주시기 바랍니다.
교육대상
딥러닝의 성능 향상과 최적화에 대해 학습하고 싶으신 분
※ 본 과정 수강을 위해서는 대학수학 수준(함수, 미분, 확률과 통계 등)의 사전 지식이 필요합니다.
※ 본 과정 수강에 앞서 연계 선수 과목 수강을 권장합니다(하단 이미지 참고).
※ 본 과정 수강을 위해서는 대학수학 수준(함수, 미분, 확률과 통계 등)의 사전 지식이 필요합니다.
※ 본 과정 수강에 앞서 연계 선수 과목 수강을 권장합니다(하단 이미지 참고).
과정소개
수료기준
| 평가기준 | 진도율 | 총점 |
|---|---|---|
| 배점 | 100% | 100점 |
| 수료기준 | 80% | 80점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 80점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | [딥러닝 모델의 성능 개선과 평가] Gradient Descent와 Learning Rate |
| 2차시 | [딥러닝 모델의 성능 개선과 평가] 변형된 Gradient Descent 방법들 (1) Momentum |
| 3차시 | [딥러닝 모델의 성능 개선과 평가] 변형된 Gradient Descent 방법들 (2) AdaGrad, RMSProp, Adam |
| 4차시 | [딥러닝 모델의 성능 개선과 평가] Activation Function |
| 5차시 | [딥러닝 모델의 성능 개선과 평가] Batch Normalization |
| 6차시 | [딥러닝 모델의 성능 개선과 평가] Dropout |
| 7차시 | [딥러닝 모델의 성능 개선과 평가] Data Augmentation |
| 8차시 | [딥러닝 모델의 성능 개선과 평가] Binary Classification Model의 평가 |
| 9차시 | [딥러닝 모델의 성능 개선과 평가] Multi-Class Classification Model의 평가 |