1★실습예제5★ CNN 기초 모델링 실습1. CNN의 기본 구조와 주요 구성 요소 이해 2. PyTorch를 이용한 CNN 모델 구현 실습 3. CNN 모델 평가 및 예측 실습
2이미지 딥러닝 - CNN딥러닝 Advanced1. CNN 고급 개념과 주요 구성 요소 학습 2. Data Augmentation과 Custom Dataset 클래스 구현 방법 3. PyTorch의 Pre-trained 모델을 사용하여 새로운 데이터셋에 맞게 Fine-Tuning 하는 방법
3★실습예제6★ CNN 딥러닝 Advanced실습①1. 고급 CNN 모델 구축과 학습 실습 2. 데이터 증강 및 전처리 실습 3. 모델 성능 평가 및 튜닝 실습
4★실습예제7★ CNN 딥러닝 Advanced실습② - Transfer Learning1. Transfer Learning의 개념과 필요성 이해 2. Pre-trained 모델 로드와 활용 방법 실습 3. Transfer Learning을 통한 모델 성능 향상 실습
5★실습과제★ X-ray 이미지 폐렴 진단 모델링 실습1. X-ray 이미지 데이터 로드와 폐렴 진단을 위한 데이터 전처리 및 탐색 방법 2. CNN 모델을 이용한 이미지 분류 실습 3. 학습된 모델 성능 평가 및 새로운 X-ray 이미지 데이터 예측 실습
6Object Detection 기초1. Object Detection의 정의와 주요 구성 요소 이해 2. Object Detection에서 Bounding Box의 역할과 IoU계산 방법 3. Object Detection 모델의 발전 과정과 성능 평가 방법
7Classic Object Detection Model1. 초기 Object Detection 방법 이해 2. Region Proposal 기법 학습 3. Classic Object Detection 모델의 발전 과정 학습
82-stage Object Detection Model1. RCNN의 기본 개념과 주요 구성 요소 2. Fast RCNN과 RCNN의 차이점 및 한계 개선 방법
91-stage Object Detection Model1. 1-stage Object Detection 모델의 기본 개념과 주요 특징 2. YOLO 모델의 기본 구조와 동작 원리 이해 및 YOLOv1, YOLOv2, YOLOv3의 발전 과정 학습 3. Object Detection 모델의 성능을 평가하고, 성능을 향상시키는 방법 학습
10★실습과제★ Object Detection 모델링 실습1. Selective Search Region Proposal 실습 2. Non Maximum Suppression 실습
11반도체 불량분석 개요 소개1. 반도체 제조공정에서 발생하는 다양한 Defect 종류와 영향 2. SEM과 TEM을 이용한 Defect 분석 방법 3. AI를 활용한 Defect 탐지 방법
12Object Detection Transfer Learning1. Transfer Learning의 개념과 필요성 2. YOLOv5 모델을 사용하여 반도체 불량 탐지 모델을 구축하고 튜닝하는 방법 3. Labeling Tool을 사용하여 데이터셋에 대한 labelImg 수행 방법
13★실습예제8★ 반도체 공정 이미지 불량 탐지 모델링 실습1. 반도체 공정 이미지 불량 탐지 모델 구축 실습 2. 데이터 전처리 및 증강 기법 적용을 통해 모델 성능 향상 실습 3. 구축한 모델을 학습시키고, 모델의 성능을 평가하는 방법 실습
14★실습과제★ 반도체 공정 이미지 불량 탐지 모델링 실습1. 반도체 공정 이미지 불량 탐지 및 모델링 실습 2. 데이터셋 다운로드 및 전처리 실습 3. 학습된 모델 평가 및 예측 결과 시각화하여 분석하는 과정 실습
16★실습예제2★ 유방암 진단 PyTorch 모델링 실습 (이진분류)1. 데이터 전처리와 탐색 실습 2. PyTorch를 이용한 이진 분류 모델 구축 실습 3. 모델 평가와 예측 실습
17★실습예제3★ 와인 품종 분류 PyTorch 모델링 실습 (다중분류)1. 데이터 전처리와 탐색 실습 2. PyTorch를 이용한 다중 분류 모델 구축 실습 3. 모델 평가와 예측 실습
18★실습과제★ 의료보험료 예측 모델링 실습1. 의료보험료 데이터 탐색 및 전처리 실습 2. PyTorch를 이용한 회귀 모델 구축 실습 3. 모델 평가와 예측 실습
19이미지 데이터처리(Image Processing)1. OpenCV를 이용한 이미지 읽기와 출력 2. 이미지 처리 기법 3. imutils 패키지 사용법
20★실습예제4★ OpenCV 이미지 데이터 처리 실습1. OpenCV를 이용한 이미지 읽기와 저장 실습 2. 이미지 리사이징, 그레이스케일 변환, 이진화 처리, 블러링 등 다양한 이미지 변환 및 처리 기법 실습 3. 이미지에 도형 및 텍스트 추가 방법 실습
21이미지 딥러닝 - CNN 딥러닝 기초1. CNN의 기본 구조와 각 구성 요소의 역할 2. Convolution 연산, 활성화 함수, 패딩 등 CNN의 주요 연산 3. PyTorch를 사용한 CNN 모델 구현과 데이터 전처리 및 모델 학습 방법
22Deep Learning 기초 - AI 정의와 분류&발전의 역사1. AI의 기본 개념과 역사 2. 지도학습, 비지도학습, 강화학습의 개념과 차이점 3. Perceptron, XOR Gate, Backpropagation 등의 역할과 한계
23Deep Learning 기초 - ML&DL의 동작원리1. 머신러닝에서 사용되는 Linear Regression의 기본 개념과 수식 2. Gradient Descent 알고리즘 사용 방법 3. 딥러닝에서 사용되는 Forward와 Backward Propagation의 동작 원리
24Deep Learning 기초 - DL기본이론과 PyTorch를 활용한 개발방법1. PyTorch의 라이브러리, 데이터 로더를 사용하여 모델 정의 및 데이터 처리하는 방법 2. 선형 회귀, 이진 분류, 다중 분류 모델에 맞는 Loss 함수와 Optimizer 사용 방법
25[실습준비] 파이썬 학습하기① 자료형
–1. 파이썬 자료형 설명–정수형, 실수형–리스트–튜플–딕셔너리
26[실습준비] 파이썬 학습하기② 조건문&반복문–1. 파이썬 조건문, 반복문 설명–조건문: if, elif, else–반복문: for, while
