WEEK1
- 신경망과 퍼셉트론의 개념 학습 - 구조, 입출력, 학습
- 역전파(Backpropagation, backward pass) - 학습방법에 대한 구체적인 지식
- 신경망 프레임워크와 학습규제(regularization) 전략 - Weight Decay, Constraint, Learning Rate
- 신경망의 파라미터 튜닝, 실험추적 시스템 - Keras tuner, wandb
WEEK2
- 텍스트 전처리와 횟수 기반의 벡터화 - 텍스트 전처리, 토큰화, Bag-of-Words, TF-IDF
- 분산 기반의 벡터화 - Embedding, Word2Vec, FastText
- 언어 모델(Language Model)과 순환 신경망(RNN) - 언어 모델, Sequential Data, RNN, LSTM, GRU, Attention
- Transformer & BERT, GPT - 트랜스포머의 구조, Self-Attention, BERT, GPT
WEEK3
- CNN (Convolutional Neural Network) - 이미지 데이터 처리방법, pre-trained model 사용방법
- Segmenatation - FCN, Unet, 상용모델 사용하기
- AutoEncoder - 데이터 압축, Latent개념, 분류기로의 활용
- GAN(Generative Adversarial Network) - DCGAN, CycleGAN, 상용 GAN 구현하기