인공신경망을 이용한 안전한 비행
KAU
본 강좌는 새로운 K-MOOC 플랫폼에서 운영하는 강좌입니다.
인공신경망 구축을 이해하기 위해서 프로그래밍 언어 파이썬을 통해 학습합니다. 이미지 분류(classification)를 이해하고 인공신경망을 이용해 모델을 만들어 학습시킬 수 있는 것을 목표로 합니다. 이를 통해 드론으로 촬영된 이미지에서 물체를 인식한는 법을 배워 봅니다.
| 목차 | 세부 목차 | |
|---|---|---|
| 1 | AI Programming 입문 | 1. 강좌 소개 |
| 2 | Python의 기초 - 프로그래밍 언어 | 1. 파이썬 |
| 2. Python의 기초 – 데이터, 연산자 | ||
| 3. Python의 기초 – 흐름제어 | ||
| 3 | Python의 기초 - 함수, 모듈 | 1. Python의 기초 – 함수, 모듈 |
| 2. Python의 기초 – 객체 지향 프로그래밍 | ||
| 4 | Python의 기초 - 상속 | 1. Python의 기초 - 상속(Inheritance) |
| 2. Python의 기초 – open(), pickcle | ||
| 3. Python의 기초 – 아나콘다(Anaconda), 주피터 노트북(Jupyter Notebook) | ||
| 5 | Numpy의 소개 | 1. Ndarray와 그 기능 |
| 2. numpy의 소개 - multidimension array, 연산 규칙 | ||
| 6 | Pandas | 1. Pandas의 소개 |
| 2. DataFrame의 행/열 조작하기 | ||
| 3. Pandas - Data 살펴보기 | ||
| 7 | Linear Algebra | 1. Linear Algebra – Scalar, Vector, Matrix |
| 2. Linear Algebra – Tensor | ||
| 3. Linear Algebra – Vector Norm, etc | ||
| 8 | 미분(Derivatives) | 1. 미분(Derivatives) |
| 2. 편미분(Derivatives) | ||
| 3. Python - Matplotlib 라이브러리 | ||
| 9 | PyTorch - AI Programming | 1. PyTorch의 소개 |
| 2. AUTOGRAD | ||
| 10 | Gradient Descent & ANN | 1. Chain Rule and Gradient Descent Method |
| 2. Classification and Onehot | ||
| 3. Biological Neuron and Artificial Neuron | ||
| 11 | Loss Function - AI Programming | 1. 분류(classification) |
| 2. 인공신경망의 학습 | ||
| 3. 인공신경망의 분류문제 | ||
| 12 | Vectorization | 1. Neural Networks 기호 정리, Vectorization I |
| 2. Vectorization II | ||
| 13 | 용어 정리 | 1. 용어정리 |
| 2. pytorch.nn | ||
| 3. GD & SGD 경사하강법 & 확률적 경사하강법 | ||
| 14 | 인공신경망을 이용한 안전한 비행 총정리 | 1. 총정리 |
| 15 | 기말고사 | |
 |
|
 |
|
 |
|
| 구분 | 퀴즈(14) | 기말고사(1) |
| 반영비율 | 30% | 70% |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
Q1. 수강 중 궁금한 것은 어떻게 해야 하나요?
- 수강 중 궁금한 부분은 교과목 내 [질의응답] 게시판에 작성해 주시면 담당 TA가 확인 후, 1~2일내 응답할 예정입니다.
Q2. 이수증은 언제 발급 되나요?
- 이수증은 수업이 종료되고 나서 성적처리가 완료된 후, 10~15일 이내 발급될 예정입니다.
관련 강좌
현재 강좌와 관련있는 강좌를 찾을 수 없습니다.