교육 개요

기존 컴퓨터비젼영역에서 낮은 정확도가 해결되지 않았던 이미지 인식과 탐지, 분할 문제에 대해 인공지능 알고리즘을 활용하여 정확도를 높이는 방법을 학습한다. 딥러닝 기반 알고리즘을 사용하여 인식률 및 정확도를 향상시키고 효율적 알고리즘을 사용하는 방법에 대해 학습한다. 이미지 생성분야의 hot trend인 GAN 알고리즘을 사용하여 AI의 창조적 작업에 대해 학습한다.

교육 대상
  • 영상 빅데이터 분석을 수행하는 연구원 및 기관의 개발자
  • 인공지능 및 패턴인식 분야에서 연구개발을 수행중인 연구원 및 관리자
교육 효과
  • 인공지능에 대한 이해도를 높이고 머신러닝 프레임웍을 활용한 어플리케이션 개발이 가능
  • 실시간 이미지 데이터의 활용도를 높일 수 있음
  • 오픈 소스를 활용한 기계학습 방법을 활용할 수 있음
실습 환경

Linux Ubuntu 16.04 + Python + Tensorflow

교육 내용
구분 목차 주요 내용
    1일차
  • 인공지능과 기계학습
  • 개발 환경 세팅
  • 인공지능과 기계학습의 개요
  • 프레임웍 설치 및 개발 환경 세팅
  • CNN, RNN 등 주요 알고리즘
    2일차
  • Image Recognition
  • /Detection/Segmentation
  • Image Recognition for ImageNet dataset
  • Image Detection 실습
  • Image Segmentation 실습
    3일차
  • Generative Adversarial Network 을 이용한 이미지생성
  • GAN 알고리즘 소개
  • GAN을 사용한 이미지 생성 실습
  • GAN 알고리즘 응용 사례