https://www.codepresso.kr/course/61
이미지 데이터 처리를 위한 CNN 완벽 가이드
김지훈 강사 코드프레소 인공지능 대표 강사 전 LG CNS 데이터 엔지니어 전 Smilegate Stove 딥러닝 엔지니어
www.codepresso.kr
* 배운 것
- 01 딥러닝 핵심 개념
- 02 TensorFlow 2.0 기초 개념 및 활용
- 03 TensorFlow High Level API의 활용
- 04 CNN 개념 이해 및 실습
- 05 모델 Fine Tunning 및 Data Augmentation
드디어 코드프레소의 "이미지 데이터 처리를 위한 CNN 완벽 가이드"를 완강했다. 코드프레소 체험단 중 인공지능 트랙에서 가장 길었던 총 5시간 22분 분량의 본 강의는 알찼고, 중간중간 실습이 많아 수강하는데에 오래 걸릴 수 밖에 없었다. 나만의 딥러닝 모델을 만들 수 있는 역량을 갖추게 된 것 같다.
강의를 들으면서 실습을 진행하던 중 문제가 발생했었는데, 데이터셋을 다운받기 위해 서버에 접근하는 코드를 짰는데 접근권한이 없어 거부당했다. 실습을 진행하기 위해서는 필수적인 코드여서, 이는 플랫폼의 문제로 보인다. 결국, 웹으로 코드를 실행할 수가 없어 Google Colab에서 코드를 실행했고 이어서 공부를 할 수 있었다.
그래도 강의는 알찼고, 배운 것은 많았다. 당장 딥러닝 모델을 스스로 개발할 수 있을 정도가 되었다. 만약 코드프레소가 다음에 또 체험단을 시행한다면 친구들에게 적극 추천할 것이다. 필자는 이미 충분히 배운 듯하다. 또 다른 트랙이 나온다면 모르지만..
'프로젝트 > 코드프레소 체험단' 카테고리의 다른 글
| 시계열 데이터 처리를 위한 RNN 완벽 가이드 - Keras의 SimpleRNN API (0) | 2022.03.16 |
|---|---|
| 시계열 데이터 처리를 위한 RNN 완벽 가이드 - RNN 모델 (0) | 2022.03.16 |
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - Transfer Learning을 활용한 성능 개선 (0) | 2022.03.15 |
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - DataAugmentation을 활용한 성능 개선 (0) | 2022.03.15 |
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - Transfer Learning (0) | 2022.03.14 |
