본문 바로가기
K-MOOC 강좌 무료 수강신청 중 · D-23

수학 없이 이해해 보는 합성곱 신경망

1. 수강생이 구글 Colab 환경에서 Python언어를사용하여 합성곱 신경망을 구현하고 이미지 분류를 위한 하나의 도구로 사용할 수 있도록 한다.

첫 평가를 남겨 주세요 · 조회 0

제공
상명대학교
가르치는 분
봉재환
대상 · 수준
누구나
학습 분량
11시간 44분 · 15주차
언어
한국어
수강신청
2026-10-13 ~ 2026-12-15
학습 기간
2026-10-13 ~ 2026-12-15
수료증
🏅 받을 수 있어요
수강 전에 공식 안내를 확인하세요. 일부 정보는 갱신 주기가 지났거나 다시 확인이 필요합니다.

자세한 소개

강좌 소개 수업내용/목표 1. 수강생이 구글 Colab 환경에서 Python언어를사용하여 합성곱 신경망을 구현하고 이미지 분류를 위한 하나의 도구로 사용할 수 있도록 한다. 2. 학습한 합성곱 신경망을 실제 이미지 분류에 적용해 볼 수 있다. 홍보/예시 영상 강좌 운영 계획 주차 주차명 ( 주제 ) 차시 차시명 평가방법 1 인공신경망 개발의 개요 1-1 강의계획 및 Google CoLab 소개 1-2 인공신경망 개발 개요 및 개발 순서 1-3 Keras Functional API 를이용한 인공신경망 코딩 2 Toy Problem 을통한 인공신경망 개발 2-1 Toy Problem 소개 및 데이터 준비하기 퀴즈 2-2 인공신경망 모델 및 학습 방법 코딩 2-3 학습된 인공신경망 모델의 평가 방법 및 학습된 인공신경망을 활용한 예측 방법 코딩 3 이미지 데이터 관리하기 기초 3-1 Google CoLab 과 Google Drive 연동 방법 및 이미지 불러오기 / 저장하기코딩 3-2 이미지 데이터 정리 방법 3-3 ImageDataGenerator 를이용한 이미지 데이터 불러오기 4 이미지 데이터 증강 방법 4-1 이미지 데이터 증강의 개요와 필요 이유 4-2 수평 / 수직방향의 이동 및 반전을 이용한 증강 방법 4-3 회전 , 밝기 조절 , 확대 / 축소를이용한 증강 방법 5 이미지 데이터 전처리 방법 5-1 이미지 데이터의 이해와 전처리 개요 퀴즈 5-2 대표적인 세 가지 전처리 방법 5-3 대표적인 세 가지 전처리 방법을 구현하기 위한 코딩 문법 습득 6 합성곱 필터의 이해 6-1 합성곱 필터의 계산 방법 6-2 이미지 데이터에 합성곱 필터가 적용되는 과정 6-3 합성곱 필터의 적용 방법 비교 - 합성곱 신경망 v.s. 이미지 처리 기법 7 합성곱 층의 이해 7-1 합성곱 필터에 의한 합성곱 층의 Border Effect 퀴즈 7-2 Padding 을이용한 Border Effect 해결 방법 및 Padding 의코딩 문법 7-3 합성곱 필터의 Stride 를이용한 이미지 축약 8 Pooling 층의 이해 8-1 합성곱 층과 Pooling 층 8-2 Pooling 층의 종류와 종류에 따른 출력 차이 8-3 Pooling 층의 종류별 코딩 문법과 예시 9 대표적인 합성곱 신경망의 이해 (1) 9-1 대표적인 합성곱 신경망에 대한 개요 9-2 LeNet-5 와 AlexNet 의구조 이해와 중요 사항 9-3 VGG 의구조 이해와 중요 사항 10 대표적인 합성곱 신경망의 이해 (2) 10-1 Inception 의구조 이해와 중요 사항 퀴즈 10-2 ResNet 의구조 이해와 중요 사항 10-3 Inception Naive 모델과 Inception v1 모델의 차이 11 1x1 합성곱 필터 개요 11-1 이미지에 적용되는 합성곱 필터의 재이해 11-2 합성곱 신경망에서 특징맵의 채널 차원에 대한 이해 11-3 1x1 합성곱 필터의 역할 12 1x1 합성곱 필터의 적용 사례 12-1 1x1 합성곱 필터의 사용 방법 퀴즈 12-2 Inception 모듈에서 1x1 합성곱 필터의 사용 사례 12-3 Residual 모듈에서 1x1 합성곱 필터의 사용 사례 13 주요 합성곱 신경망 모듈의 적용 실습 13-1 VGG 모듈 생성 실습 퀴즈 13-2 Inception 모듈 생성 실습 13-3 Residual 모듈 생성 실습 13-4 전이학습 개요 및 필요성 14 전이학습 이해 및 개발 실습 14-1 데이터 소개 및 데이터 관리 14-2 학습된 주요 합성곱 신경망을 불러오는 방법 14-3 전이학습 전체 과정 코딩 15 기말 프로젝트 수행 강좌운영팀 소개 교수자 봉재환 교수 현) 상명대학교 휴먼지능로봇공학과 교수 전) 덴마크 남부대학 내 MMMI 연구소 연구원, 고려대학교 기계공학 박사 E-mail:drbong@smu.ac.kr 강좌지원팀 상명대학교 지능형로봇사업팀 e-mail : yuese007@smu.ac.kr 이수/평가정보 - 본 강좌의 이수 기준은 총점 60점 이상 입니다.

정보 업데이트 현황

K-MOOC · 공공데이터포털: 국가평생교육진흥원_K-MOOC_강좌정보 (apis.data.go.kr/B552881/kmooc_v2_0) 연계
내용이 새로 갱신되었습니다.
정보 항목갱신 주기마지막 확인유효기간상태
K-MOOC 강좌 정보강좌명, 운영 대학, 교수, 수강신청 기간, 학습 기간, 신설·종료 여부, 강좌 소개·분류(새 강좌만) 매일 2026-11-22 12:40 2026-11-29 최신
수강신청 가능 여부수강신청 시작일·마감일, 접수 중 / 마감 / 상시 상태 매일 2026-11-22 15:23 2026-11-23 최신

평가와 의견 0

이 교육이 어땠는지 알려 주세요. 로그인하면 별점과 의견을 남길 수 있습니다.

아직 평가가 없습니다.