강의 계획서

1. 1주차

   1. AI 모델 개발의 개요

   2. 선형대수의 개요

   3. 확률과 통계의 개요

2. 2주차

   1. 퍼셉트론과 다층 퍼셉트론의 개요

   2. 심층 학습과 깊은 다층 퍼셉트론

   3. 컨볼루션 신경망과 사례

3. 3주차

   1. 비지도 학습의 개요

   2. 군집화와 밀도추정

   3. 공간 변환의 이해

4. 4주차

   1. 선형 인자 모델

   2. 오토인코더와 매니폴드

   3. 표현 학습과 내부 표현의 이해

5. 5주차

   1. 준지도 학습의 개요

   2. 전이 학습의 개요

   3. 순차 데이터의 개요

6. 6주차

   1. 순환 신경망의 개요

   2. 순환 신경망의 응용(1)

   3. 순환 신경망의 응용(2)

7. 7주차

   1. 강화 학습 원리와 특징

   2. 정책과 가치 함수

   3. 동적 프로그래밍

8. 8주차

   1. 점검하기

9. 9주차

   1. 몬테카를로 방법

   2. 시간차 학습

   3. 강화 학습의 응용 사례

10. 10주차

    1. 텐서플로우 개발 환경과 예제 실습

    2. 예제 : 텐서 정의와 기본 연산

    3. 예제 : 이미지 처리와 산술 연산

11. 11주차

    1. 예제 : 컨볼루션 신경망(CNN)

    2. 예제 : K-Means 군집화

    3. 예제 : 생성적 적대 신경망(GAN)

12. 12주차

    1. 예제 : OpenCV 설치와 기본 실습

    2. 예제 : OpenCV와 컨볼루션 연산

    3. 예제 : 얼굴 검출과 보행자 검출

13. 13주차

    1. 현장인터뷰(1) : 데이터 처리 분야

    2. 현장인터뷰(2) : 챗봇 분야

    3. 현장인터뷰(3) : 자율주행차 분야

14. 14주차

    1. 현장 인터뷰 : AI 모델과 미래

    2. 국내외 AI 기술 동향

    3. AI 미래 전략

15. 15주차

    1. 점검하기