code.PRESS-UP 체험단 다섯 번째 후기

1. 파이썬으로 시작하는 머신러닝
2. 딥러닝 첫 걸음 시작하기!
3. TensorFlow 로 시작하는 딥러닝
4. 파이썬으로 구현하는 머신러닝 : 회귀분석
5. 파이썬으로 구현하는 머신러닝 : 분류분석
6. 파이썬으로 구현하는 머신러닝 : 트리모델
7. 파이썬으로 구현하는 머신러닝 : 비지도학습
8. 머신러닝을 위한 사이킷런 활용 팁
9. 이미지 데이터 처리를 위한 CNN 완벽 가이드
10. 시계열 데이터 처리를 위한 RNN 완벽 가이드

1. 이미지 처리와 CNN 모델에 대한 이해
   1. 이미지 처리와 딥러닝
   2. CNN모델의 구조 이해
   3. 이미지 데이터에 대한 이해
   4. CNN모델의 핵심 개념에 대한 이해(Filter, Kernel, Convolution 연산, Feature Map)
   5. CNN모델의 보조 개념에 대한 이해(Stride, Padding, Pooling)
   6. 텐서플로 케라스에서 제공하는 CNN 관련 API
2. 텐서플로를 이용한 CNN 모델 구현 실습
   1. 텐서플로를 이용한 MNIST 데이터 셋 분류 CNN 모델 구현
   2. 텐서플로를 이용한 MNIST 데이터 셋 분류 CNN 모델 구현
   3. 실습 : 텐서플로를 이용한 fashion-mnist 데이터 셋 분류 cnn 모델 구현
   4. 텐서플로를 이용한 CIFAR-10 데이터 셋 분류 CNN 모델 구현
   5. 텐서플로를 이용한 CIFAR-10 데이터 셋 분류 CNN 모델 구현
   6. 실습 : 텐서플로를 이용한 CIFAR-10-codepresso 데이터 셋 분류 CNN 모델 구현
3. 텐서플로를 이용한 실전 CNN 모델 구현 실습
   1. 텐서플로 케라스 ImageDataGenerator에 대한 이해 및 구현 실습
   2. CNN 모델을 이용한 Cats & Dogs 분류 분석
   3. CNN 모델을 이용한 Cats & Dogs 분류 분석
   4. 실습 : 텐서플로를 이용한 가위-바위-보 데이터 셋 분류 CNN 모델 구현
   5. ImageDataGenerator를 이용한 DataAugmentation 에 대한 이해
   6. DataAugmentation을 통한 Cats & Dogs 분류 분석 모델의 성능 개선
   7. 실습 : DataAugmentation을 통한 가위-바위-보 분류분석 모델의 성능 개선
   8. Transfer Learning 에 대한 이해
   9. Transfer Learning을 통한 Cats & Dogs 분류 분석 모델의 성능 개선
   10. 실습 : Transfer Learning을 통한 가위-바위-보 분류 분석 모델의 성능 개선

1. RNN 모델에 대한 이해
   1. RNN 모델에 대한 이해
   2. RNN 모델의 구조 이해
   3. 텐서플로 케라스 모듈에서 제공하는 SimpleRNN API에 대한 이해
2. 텐서플로를 이용한 RNN 모델 구현 실습
   1. RNN 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현
   2. RNN 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현
   3. 실습 : 텐서플로를 이용한 뉴스기사 분류 RNN 모델 구현
3. 모던 RNN 모델에 대한 이해
   1. RNN 모델의 한계와 장기의존성 문제
   2. LSTM 모델의 아키텍쳐 및 특성 이해
   3. GRU 모델의 아키텍쳐 및 특성 이해
4. 텐서플로를 이용한 모던 RNN 모델 구현 실습
   1. LSTM 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현
   2. 적층 LSTM 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현
   3. GRU 모델을 이용한 영화리뷰 데이터셋 분류 모델 구현
   4. 실습 : 텐서플로를 이용한 뉴스기사 분류 모던 RNN 모델 구현