모델 개발 및 유지 보수 프로세스를 단순화해주는 TensorFlow 2.0의 최신 기능들
TensorFlow 2.0을 통해 핵심적인 신경망 모델들을 학습시키고, 실제 서비스로 운영하는 방법
TensorFlow Extended(TFX)로 자신만의 데이터 파이프라인을 구축하는 법
—
[딥러닝과 TensorFlow 2.0 최신 기술 총집합]
최근 출시된 TensorFlow 2.0은 딥러닝 모델 개발 및 유지 관리 프로세스를 단순화하는 많은 기능을 도입했습니다. 이러한 기능 추가 덕분에 신경망의 복잡한 개념을 단순화하여 쉽게 이해할 수 있도록 교육할 수 있게 됐고, 실제 현업에서는 모델들을 훨씬 더 잘 이해하고 유지 보수 하기가 쉬워졌습니다.
이 코스에서는 이러한 TensorFlow 2.0의 추가된 기능들을 통해 딥러닝 최신 모델들을 실제로 구현하는 법에 대해 학습합니다. 신경망 모델링부터, 실제 데이터를 통해 모델을 학습시키고, 학습된 모델을 배포하여 서비스로 운영하는 과정까지 모든 주제를 다룹니다.
[TensorFlow 2.0 최신 기능 학습과 신경망 모델 구현을 위한 최적의 커리큘럼]
본 강의는 TensorFlow 2.0을 이용해 각종 딥러닝 신경망 모델을 구현하는 과정에서 가장 직관적으로 이해하기 쉽게 설명합니다. 본 코스는 아래의 내용으로 구성되어 있습니다.
파트 1 : 코스 전체에서 사용할 기술 스택과 TensorFlow 2.0 라이브러리의 기본 개념 및 구문에 대해 학습합니다
파트 2 : 딥러닝 모델들에 대해 깊이 있게 학습합니다. ANN, CNN, RNN 등 대표적인 딥러닝 모델들에 대해 학습합니다. 신경망 모델을 개와 고양이 데이터로 학습시켜 분류를 하기 위한 전이 학습 응용 프로그램을 실제로 만들어봅니다.
파트 3 : 강화학습, 특히 Deep Q-Learning 신경망을 사용하여 자신만의 주식 거래 봇을 만드는 과정을 실습해봅니다.
파트 4 : TensorFlow Extended(TFX)의 모든것을 배웁니다. 데이터를 직접 다루고, 자신만의 데이터 파이프라인을 구축하기 위한 방법을 배웁니다. TensorFlow에 내장된 데이터 유효성 검사 라이브러리를 통해 데이터셋에 이상이 있는지 확인하는 방법을 배운 뒤, TensorFlow 변환 라이브러리로 자신만의 데이터 전처리 파이프라인을 구축합니다.
파트 4에서는 Flask를 사용하여 패션 API를 만드는 실습도 진행합니다. 실습을 통해 인터넷 환경에서 모델을 요청하는 방법에 대해 잘 이해하게 됩니다. 이후에 TensorFlow 서빙 라이브러리를 사용하여 수백만 개 이상의 요청을 처리할 수 있는 이미지 분류 API를 만들어봅니다.
파트 5 : 여러개의 GPU나 TensorFlow 2.0 라이브러리를 활용해 실제 서버를 사용하여 분산학습 시키는 방법을 배웁니다.
위 내용을 통해 TensorFlow 2.0의 주요 기능들과, 신경망 모델의 구현 및 데이터 파이프라인 구축에 대한 모든 것을 학습하실 수 있습니다.
[200만 수강생의 데이터 사이언스 학습을 도운 Ligency Team의 한 마디]
한국 수강생 여러분 안녕하세요!
전문 데이터 사이언티스트들로 구성된 교육 기관, Ligency Team입니다.
저희의 [TensorFlow 2.0 : 딥러닝 모델 구현 마스터 패키지] 코스에 오신 것을 환영합니다!
딥 러닝은 인공 지능에서 가장 빠르게 성장하는 분야 중 하나입니다. 지난 몇 년 간, 가장 단순한 딥 러닝 모델 조차도 매우 어렵고 복잡한 작업을 해낼 수 있다는 것이 입증되었습니다. 이제 딥 러닝은 단순한 유행어였던 시기를 지나, 제품을 개선하는 데에서도 엄청난 성능과 잠재력을 보여주고 있습니다.
이 코스는 신경망을 모델링하고 학습시키는 것부터 실제 운영하기까지의 모든 주제를 다룹니다. 딥러닝 모델에 대한 학습이 필요하신 분들은 이 코스를 통해 많은 도움을 얻을 수 있습니다.
강의를 들으시고 강의와 관련하여 궁금하신 점은 무엇이든 Q&A에 남기실 수 있지만, 꼭 영어로 남겨주세요. 그래야 답변을 드릴 수 있습니다. :)
이외에 더 자세한 내용은 강의에서 더 자세히 알려드리겠습니다.
강의에서 만나요!
- Ligency Team
