강의 계획서

1. 오리엔테이션

   1. 오리엔테이션

2. 1주차 : 케라스 시작하기

   1. 케라스 소개

   2. 케라스 설치/사용(이론)

   3. 케라스 설치/사용(실습)

3. 2주차 : ANN(인공신경망)

   1. ANN 원리

   2. 필기체를 구분하는 분류 ANN 구현

   3. 시계열 데이터를 예측하는 회귀 ANN 구현

4. 3주차 : DNN(심층신경망)

   1. DNN 원리

   2. 필기체를 구분하는 분류 DNN 구현

   3. 컬러 이미지를 분류하는 DNN 구현

5. 4주차 : CNN(합성곱신경망)

   1. CNN 원리

   2. 필기체를 구분하는 분류 CNN 구현

   3. 컬러 이미지를 분류하는 CNN 구현

6. 5주차 : RNN(순환신경망)

   1. RNN 원리

   2. 문장을 판별하는 LSTM 구현

   3. 시계열 데이터를 예측하는 LSTM 구현

7. 6주차 : AE(오토인코더)

   1. AE의 원리

   2. 완전 연결 계층을 이용한 AE 구현

   3. 합성곱 계층을 이용한 AE 구현

8. 7주차 : UNET(유넷)

   1. UNET 원리

   2. 컬러 복원 처리를 위한 UNET 구현

   3. Image Segmentation을 위한 UNET 구현

9. 8주차 : 중간평가

   1. 1~4주 학습정리

   2. 5~7주 학습정리

10. 9주차 : GAN(생성적 적대 신경망)

    1. GAN 원리

    2. 완전 연결 계층 GAN 구현

    3. 합성곱 계층 GAN 구현

11. 10주차 : 심층강화학습

    1. 강화 학습의 원리

    2. Q-러닝 구현

    3. 심층 Q-네트워크(DQN)

12. 11주차 : 발전된 CNN

    1. VGGNet, ResNet 원리

    2. VGGNet 구현

    3. ResNet 구현

13. 12주차 : 발전된 GAN 모델

    1. 발전된 여러 GAN 모델의 원리

    2. 필기체를 생성하는 WGAN과 CGAN 구현

    3. 필기체를 생성하는 ACGAN과 InfoGAN 구현

14. 13주차 : 발전된 RNN 모델

    1. 발전된 RNN 모델의 원리

    2. 시계열 데이터를 예측하는 GRU 구현

    3. Convolutional RNN 구현

15. 14주차 : 케라스 응용

    1. 케라스의 다양한 응용 기능

    2. 케라스 응용 기능 실습(1)

    3. 케라스 응용 기능 실습(2)

16. 15주차 : 기말평가

    1. 9~11주 학습정리

    2. 12~14주 학습정리