- AI 문제 해결 기술
- 머신 러닝 개요와 프로젝트 프로세스
- 학습모델과 회귀분석 및 비용 함수의 이해
- 오차수정과 경사하강법의 원리
- 로지스틱 회귀와 활성화 함수의 이해
- 소프트맥스(softmax)의 동작 이해
- 머신러닝/딥러닝 프레임워크의 종류
- Tensorflow를 이용한 머신러닝/딥러닝 구현
- 딥 러닝 개요와 구현 방법의 이해
- 딥러닝 구현 핵심 기술의 이해 - CNN, RNN/LSTM, GAN 등
- 머신러닝/딥러닝 활용 사례와 연구동향
- 계산 그래프와 연쇄 법칙 (Chain Rule)
- 역전파 (Back Propagation)
- Network Layer 구현
- 오차역전파법을 적용한 신경망 구현
- 데이터 전처리 (Data Processing)
- 가중치 초기화 (Weight Initialization)
- 활성화 함수 (Activation Functions)
- 최적화 (Optimization)
- Normalization & Generalization
- Early Stopping
- Hyperparameter 최적화 (Optimization)
- Learning Process의 관리