논문구현

올인원 패키지
실무 사례로 배우는 컴퓨터 비전
논문 구현과 알고리즘 성능 최적화

With SOTA 모델


  • 최신 SOTA 모델 학습

    컴퓨터 비전 분야에서 모델을 적용 시
    가장 정확도가 높은 최신의 SOTA 모델 학습

  • 총 16개 논문 리뷰

    논문에서 핵심만 쏙쏙 리뷰하며
    즉각적으로 코드 구현 및 실무 적용

  • Next level을 원하는 딥러너에게 필수!

    실제 개발에 필요한 오픈소스 활용법부터
    최신 알고리즘 이해를 통해 스킬 up

⏰7/10(일) 23:59까지만 ! 7일 한정판⏰
0 0시간 0 0 2022-07-10T23:59
  • 컴퓨터비전
  • 논문구현
  • SOTA모델
  • 평생소장

지금이 최저가 소장 마지막 기회!
(자동 구성) 가격이 인상됩니다.

조만간 가격이 인상될 예정입니다.
지금 구매하세요!

  • 정상가 (자동 구성)
  • 할인 금액 (자동 구성)
  • 최종 금액 (자동 구성)
  • 12개월 할부 시 (자동 구성)
오늘이 최저가!

“ 이 강의는 논문을 실무에 적용하며 어려움을 느낀 분들을 위한 강의입니다. ”

”실무에서 인공지능 프로덕트를 개발하며 문제를 겪고 있는 여러분을 위해
Empirical research paper의 내용을 기반으로 구성하였습니다.

실무 경험 노하우와 인공지능·딥러닝 엔지니어들이 해결해야 하는
현업의 문제를 반영하여 논문을 리뷰하고 코드로 구현하는 콘텐츠를 제공해 드립니다."

인공지능 현업 종사자들의 경력별 처한 문제 상황

그러나 딥러닝 논문 코드 구현 공부를 하면?
이렇게 달라질 수 있습니다.

오픈소스를 현업에 적용하는 것 조차 어려운 주니어 엔지니어부터
최신 기술 동향을 빠르게 파악해야 하는 관리자 엔지니어까지
이 강의 하나로 다양한 컴퓨터 비전 논문을 구현해보세요!

강의에서는 Computer Vision 분야에서
가장 정확도가 높은 “SOTA 모델” 에 관한 논문을 리뷰하고 코드로 직접 구현합니다.

4 STEP으로 끝내는 SOTA 모델!

총 16개의 논문 을 구현해봅니다.

Previous SOTA Model

CNN Network를 구성하는 요소부터 이전의 SOTA Model 중 실무에 적용 가능한 모델들을 직접 구현해봅니다.

[1] AlexNet을 통해 CNN Network를 구성하고 있는 요소를 알아보고 코드로 구현합니다.

[2] Benchmark와 저사양 Device에 필수로 사용되는 이전 SOTA 모델을 살펴보고 코드를 구현해봅니다.

Background

실무에서 쉽게 배우기 힘든 정확도를 올리는 학습 방법 AI 모델 메모리 사용량 계산에 따른 시행 착오를 줄여봅니다.

[1] DataSet의 크기가 커지면서 부족한 DataSet의 정확도를 높이는데 사용되는
Transfer learning에 대한 여러 방법론들에 대해 살펴보고 직접 코드로 구현합니다.

[2] Transformer 기반의 큰 규모 모델 학습에 필요한 시스템을 구성하기 위해 메모리 요구량을 계산해봅니다.

• 정확도를 높이기 위한 DataSet의 크기가 점점 커지면서, 그와 더불어 모델의 크기도 점점 증가하고 있는 추세입니다.
최신 GPU를 사용해도 GPU 한 개로는 학습이 어려운 모델이 많아지게 되었는데, 특히 Transformer 기반의 이미지 모델은 크기가 매우 큽니다.

• 현재 SOTA image classification 모델 중 가장 큰 모델인 CoAtNet-7의 크기는 2440m으로 Adam optimizer를 사용하여
최소 48.8GB + a의 메모리 용량이 필요해 최신 GPU인 H100(80GB) 혹은 A100(80GB)을 사용해야 학습이 가능합니다.
그래서 사용하고자 하는 모델이 회사 혹은 내가 가지고 있는 시스템에서 학습이 가능한지
그리고 필요한 환경을 미리 구성하여 시행 착오를 줄이고 학습에 필요한 메모리 요구량을 계산해봅니다.

Base model for SOTA model

SOTA 모델을 적용하기 위해 반드시 필요한 모델에 대해서 학습하고 코드로 구현해봅니다.

모델 Transformer

• Transformer는 RNN 혹은 CNN을 기반으로 하는 모델보다 훨씬 빠르게 학습되고,
텍스트, 이미지, 오디오, 비디오와 같이 상대적으로 큰 Input/Output을 요구하는
Task를 효율적으로 처리하기 위해 사용될 수 있습니다.

• Transformer를 구성하고 있는 Encoder, Decoder에서 대해 알아보고, Encoder,
Decoder를 구성하는 핵심 구성요소인 Attention 동작에 대해 알아봅니다.

>> 실무 적용 사례 : 최근 거의 모든 Language 모델의 기본 Architecture를 구성하는 블록, 쳇봇, 번역 등


모델 MobileNetV2

• CoAtNet-7의 중요 내용인 Inverted Residual과 Linear Bottleneck에 대해 설명하는 모델의 논문을 background 모델로서 미리 학습합니다.

• MobileNetV2에서는 MobileNetV1과 달리 Depthwise separable convolution을 수정한 구조를 제안하고 있습니다.

• Inverted Residua ls와 Linear Bottlenecks를 사용하여 성능을 향상시킨 Convolution Block에 대해 학습합니다.

>> 실무 적용 사례 : ETRI - DeepMobileAR이라는 서비스를 개발


모델 HRNet

• Image Segmentation SOTA 모델에 사용되는 모델로 SOTA 모델을 학습하기 이전에 기반 모델로서 미리 학습합니다.

• CNN 기반의 네트워크는 초기 층에서 high resolution 으로 시작해서 층이 깊어질 수록 low resolution으로 축소하여 convolution 을 진행하였습니다.

• 하지만 이 HRNet은 초기 층부터 마지막 층까지 high resolution 을 유지해서 결과를 생성합니다.

• High resolution subnetwork 를 high to low로 구성되어 있는 층마다 하나씩 추가해 원본의 resolution 을 유지하고 동시에 multi-resolution subnetwork 와 multi-scale fusion 을 통해 병렬적 처리해봅니다.

>> 실무 적용 사례 : 스포츠 영상 분석 - 골프 동작 분석을 통한 서비스

Latest SOTA model

최신 컴퓨터 비전의 SOTA들을 달성하고 있는 모델의 논문을 리뷰하고 코드로 구현해봅니다.

[1] Transformer와 Convolution을 결합하여 Convolution network와 Transformer의 장점을 살립니다.

[2] Transformer를 활용한 Computer Vision에 대해 알아봅니다.

[3] 여전히 유용한 Convolution Network에 대해 알아봅니다.

[4] Object Detection에 대해 알아봅니다.

[5] Sementic Segmentation에 대해 알아봅니다.

*본 페이지에 나와 있는 이미지들은 각 게재된 논문 및 패스트캠퍼스 [한 번에 끝내는 컴퓨터비전 초격차 패키지 Online.] 강의에서 발췌하였습니다.

SW·Application Engineer, SW R&D
전문가의 강의&질의 응답

수업 내용부터 실습까지 잘 모르는 내용이 있으면 Slack 질의응답 채널에 자유롭게 질문하세요.👀
국내·외 유수한 기업에서 AI 시니어 엔지니어로서 지금까지 15년째 꾸준히 활동하고 있는
강사님께서 직접 답변해드립니다!

(교육 내용 범주 안에서 질의응답, 2022년 7월 18일 ~ 2024년 6월 20일까지 적용)

잠깐!
어떤 분들이
수강하면 좋을까요?
• 인공지능 분야에 종사하고 있는 주니어·시니어 딥러닝 엔지니어, 인공지능을 비즈니스적 관점에서 풀어 나가고 싶은 C-Level에게 추천합니다.

학습을 위한
사전 지식이 필요한가요?
• 기본적인 딥러닝·인공지능 개념과 이론 등에 대한 이해
• 딥러닝 프레임워크에 대한 이해(ex. Python, Pytorch, etc..)
• Colab 사용 방법에 대한 이해

실습은 어떤 환경에서
진행되나요?
• Google Colab Pro환경에서 실습합니다.
• 본 강의는 Google Colab Pro 환경에서 발생하는 실습 비용을 포함하지 않습니다. 따라서 Google Colab Pro를 구매하지 않는다면 실습 중 GPU 소모가 간소한 실습만
가능합니다.

* 실습 내용(예제, 실습) 및 클립시간, 개수는 추후 일부 수정될 수 있습니다.

안현웅 강사님

[이력]
ㆍ현) SK Hynix 연구원·SW R&D
ㆍ전) Vieworks 연구원·SW R&D
ㆍ전) Intel Korea.Ltd. SW·Application ㆍEngineer
ㆍ전) LG 전자 연구원·SW R&D

[프로젝트 경력]
ㆍLG 전자 Android 기반 스마트폰 Multimedia Framework 개발
ㆍIntel Korea.Ltd. AP Multimedia Framework · Customized SW 개발
ㆍViewworks 의료 영상 Viewer 연구 개발
ㆍSK Hynix AI 가속기 SW Framework 및 응용 연구 개발

⏰7/10(일) 23:59까지만 ! 7일 한정판⏰
0 0시간 0 0 2022-07-10T23:59
(자동) (자동) (자동)
정가 (자동)
현재 판매가 (자동)
12개월 무이자 할부 시 (자동)
해당 강의는 사전 예약 상품입니다.

사전 예약 상품은 아래 오픈 일정에 따라 영상이 순차적으로 제작되어 오픈됩니다.
(강의 1회 결제시 모든 영상을 평생 반복 수강 가능합니다.)

-----

1차 공개 : 22년 07월 18일 (월)
2차 공개 : 22년 08월 08일 (월)


이 강의도 추천해요.
3년 연속 브랜드 대상 수상, 패스트캠퍼스

[이벤트 주의사항 및 환불규정 ]

이벤트 주의사항 및 환불규정 바로가기 ☞

수강료.

  • 올인원 패키지 : 실무 사례로 배우는 컴퓨터 비전 논문 구현과 알고리즘 성능 최적화+ [50%] 즉시할인 쿠폰 증정 (7.13 23:59까지 사용 가능)

    현재 정가 대비 46% 할인 중!
    7월 10일 일요일 자정 까지

    정가 400,000원
    현재 판매가 214,000원

    12개월 무이자 할부 시 월 17,833원

  • 실무 사례로 배우는 딥러닝 논문 코드 구현과 알고리즘 성능 최적화

    현재 정가 대비 46% 할인 중!
    7월 10일 일요일 자정 까지

    정가 400,000원
    현재 판매가 214,000원

    12개월 무이자 할부 시 월 17,833원

국내 8개 카드사 12개월 무이자 할부 지원! (간편 결제 제외)

  • 삼성카드
  • 신한카드
  • 롯데카드
  • 현대카드
  • 하나카드
  • BC카드
  • KB국민은행
  • NH농협카드

※ BC카드의 경우, 비씨(페이북)을 선택하여 결제시에만 12개월 무이자 할부가 가능합니다.
(BC계열 – 우리/제일/기업/대구/경남/부산/광주/수협/전북/제주/신협)