All Categories

Blockchain for Executives

2/20/2019

본 강의를 통해 블록체인 기술의 개념 및 강점을 이해하고 기업용 블록체인을 활용하여 비즈니스 기회를 국내 및 해외 사례를 통해 찾고, 블록체인 기술을 자사 특성에 맞춰 유리하게 도입하고 적용할 수 있는 비즈니스 활용 방법을 탐색합니다. 또한 이를 통해 블록체인을 현장에 적용하여 산업 트랜드에 뒤쳐지지 않고 4차산업혁명 시대의 흐름 속에서 경쟁력을 갖출 수 있습니다.

교육 목표

블록체인 기술의 핵심 개념을 이해하고, 신뢰성 분야에 적용할 아이디어 도출
국내 및 해외 비즈니스 실무 사례를 토대로 현실적인 적용 방법 탐색
블록체인과 IoT 등 4차산업 요소기술의 융합을 통한 경쟁력 높은 신사업 구상

주요 내용

주제 1. 블록체인(Blockchain)의 개념

인터넷의 탈중앙화(분산화)를 위한 블록체인 개념
비즈니스 솔루션 구현을 위한 새로운 패러다임으로의 블록체인 이해

주제 2. 이더리움(Ethereum)의 개념과 비즈니스 기회

이더리움 개념 이해
현재 비즈니스 상태를 뒤엎어버릴 기업용 이더리움이 제공하는 중요한 기회들

주제 3. Case Study : 비즈니스 적용으로 경쟁 우위를 변화 시킨 사례

산업 전반에 적용되고 있는 블록체인 기술의 국내 및 해외 주요 사용 사례
블록체인을 구현하여 가치를 창출하고 경쟁 우위 전략을 실현시키는 비즈니스 기회 탐색

0 댓글

ETHEREUM DEVELOPER EDITION

2/1/2019

0 댓글

EEA(Enterprise Ethereum Alliance)에서 인정한 이더리움 교육 프로그램을 한국에서 수강할 수 있습니다.
이 프로그램은 EEA가 인정한 Consensys Academy를 통해 한국에서 정식 오픈합니다.

BLOCKCHAIN FOR DEVELOPERS | CORPORATE TRAINING
5 DAYS | 7 HOURS PER DAY | 35 TOTAL HOURS | MAX. 25 PARTICIPANTS

이 교육을 수료하면 Smart Contracts와 DApps 개발에 필요한 핵심 기술을 확보할 수 있습니다. 또한, 교육에서는 보안, gas optimisation, 그리고 테스팅과 같은 핵심 주제도 포함합니다.

수강자 조건

최고의 블록체인 개발자가 되고 싶은 사람이라면 Ethereum을 전혀 모를지라도 본 강의를 수강할 수 있습니다. 다만, 12개월 이상의 프로그램 개발 경험이 있는 분이 신청할 것을 권장합니다.

운영계획

1일차	Blockchain Technology Fundamentals The Ethereum Platform Blockchain Decision Framework

2일차	Development Environment Setup & Private Blockchain Solidity Fundamentals Smart Contract Development I

3일차	Mastering Ethereum Virtual Machine Truffle & Ganache Smart Contract Development II

4일차	web3.js - JavaScript API Decentralized App Development

5일차	Testing & Debugging Hackathon: DApp Development

자격인증

교육시간의 80% 이상 출석한 수강생에게 수료증이 발급됩니다. 또한, 수료증을 받은 사람은 8점 이상(10점 만점) 달성하면 주어지는 Certificate of Proficiency 시험에 응시할 수 있습니다.

0 댓글

비지니스 로직 기반의 Chaincode 개발

1/7/2019

0 댓글

Hyperledger Fabric의 전반적인 동작 원리 이해와 가상의 서비스를 기반으로 Fabric을 이용해 서비스를 만드는 것이 목표입니다. Hyperledger에서 제공하고 있는 Fabric 기본 네트워크를 기반으로 Chaincode 를 개발합니다. 이를 통해 Chaincode와 Rest API를 이용하여 블록체인 데이터의 변화 과정(쓰기, 읽기)에 대한 전반적인 이해를 높일 수 있습니다.

수강 추천 대상자

기업용 블록체인에 관심이 있거나 적용을 고려 중인 사람
시스템과 웹 어플리케이션에 대한 기본적인 이해가 있는 사람
비트코인과 이더리움등 블록체인에 대한 기본적인 이해가 있는 사람

교육기간

8시간 x 2일 = 16시간
강의, 실습, 코칭

교육내용

1일차	블록체인의 등장 배경 블록체인의 핵심 기술 요소 파악 P2P 네트워크, PKI의 이해 분산원장의 이해 합의 알고리즘의 이해 스마트 계약의 이해 Hyperledger Fabric 기본 개념 이해 Hyperledger Fabric 동작 과정 이해

2일차	Hyperledger 설치를 위한 환경 설정(Composer, Yo, Go) 스크립트 파일을 이용한 Hyperledger Fabric 네트워크 구축 체인 코드 개발 (ACL, .CTO 파일 작성) 체인 코드 개발(.JS 작성) 체인코드 개발(통합 테스트, Composer Playground 활용) 네트워크 상 체인코드 배포(Composer 활용) 네트워크 상 체인코드 배포(Composer 활용, Card) Composer Rest API를 이용한 체인코드 데이터 수정

0 댓글

Hyperledger 기반의 샘플 서비스(DApp) 구축

1/7/2019

1 댓글

Hyperledger Fabric의 전반적인 동작 원리 이해와 가상의 서비스를 기반으로 Fabric을 이용해 서비스를 만드는 것이 목표입니다. Hyperledger에서 제공하고 있는 Fabric 기본 네트워크를 기반으로 Chaincode 개발과 DApp(Decentralized Application)을 개발합니다. 이를 통해 전반적인 Hyperledger 기반의 서비스 구축에 대한 이해와 활용도를 높일 수 있습니다.

수강 추천 대상자

기업용 블록체인에 관심이 있거나 적용을 고려 중인 사람
시스템과 웹 어플리케이션에 대한 기본적인 이해가 있는 사람
비트코인과 이더리움등 블록체인에 대한 기본적인 이해가 있는 사람

교육기간

8시간 x 3일 = 24시간
강의, 실습, 코칭

교육내용

1일차	블록체인의 등장 배경 블록체인의 핵심 기술 요소 파악 P2P 네트워크, PKI의 이해 분산원장의 이해 합의 알고리즘의 이해 스마트 계약의 이해 블록체인 활용 사례 소개 Hyperledger Fabric 기본 개념 이해

2일차	Hyperledger 설치를 위한 환경 설정(VM, Docker) Hyperledger 설치를 위한환경 설정(Composer, Yo, Go) 스크립트 파일을 이용한 Hyperledger Fabric 네트워크 구축 체인 코드 개발 환경 구축(Visual Source Code) 체인 코드 개발 (ACL, .CTO 파일 작성) 체인 코드 개발(.JS 작성) 체인코드 개발(통합 테스트,Composer Playground 활용)

3일차	네트워크 상 체인코드 배포(Composer 활용) 네트워크 상 체인코드 배포(Composer 활용, Card) Composer Rest API를 이용한 체인코드 데이터 수정 통합 테스트 1 관리자 페이지 또는 서비스 웹 페이지 작성 웹 페이지 + Fabric 연동 통합 테스트 2

1 댓글

서비스에 Hyperledger Fabric 적용하기

1/7/2019

0 댓글

프라이빗 블록체인의 대표주자인 Hyperledger Fabric을 활용하여 Fabric의 블록체인 네트워크 구성부터 서비스 로직을 Chaincode로 구현하여 기존 서비스의 개선책을 알아보는 교육입니다. 블록체인에 대한 전반적인 이해와 적용에 대한 보다 높은 이해를 갖출 수 있습니다.

수강 추천 대상자

기업용 블록체인에 관심이 있거나 적용을 고려 중인 사람
시스템과 웹 어플리케이션에 대한 기본적인 이해가 있는 사람
비트코인과 이더리움등 블록체인에 대한 기본적인 이해가 있는 사람

교육기간

8시간 x 5일 = 40시간
강의, 실습, 코칭

교육내용

1일차	블록체인의 등장 배경 블록체인의 핵심 기술 요소파악 P2P 네트워크, PKI의 이해 분산원장의 이해 합의 알고리즘의 이해 스마트 계약의 이해 블록체인 활용 사례 소개 Hyperledger Fabric 기본 개념 이해

2일차	Decision Tree를 통한 블록체인 도입 방안 프로젝트 배경과 비지니스 방향성 분석 프로세스 흐름도 분석 기능, 비기능 요구사항 추출 운영 모델 분석 솔루션 아키텍쳐와 기술 인프라 정의 최종 아키텍쳐 정의

3일차	기본 환경 설정(VM, Docker 생성) 기본 환경 설정(NodeJS, Composer, Yo 설치) Configx, Crypto Config 파일 작성 및 MSP 생성 YAML파일을 이용한 Kafka-Zookeeper 기반 Ordere 네트워크 구축 YAML파일을 이용한 기관별 Peer 네트워크 구성 채널 생성 및 Endorsement Policy 설정 채널 조인 및 Admin 계정 및 CA 관리 생성 Composer를 이용한 네트워크 동작 테스트

4일차	체인 코드 개발 환경 구축 (Visual Source Code) 체인 코드 개발 (ACL, .CTO 파일 작성) 체인 코드 개발(.JS 작성) 체인코드 개발(통합 테스트, Composer Playground 활용) 네트워크 상 체인코드 배포(Composer 활용) 네트워크 상 체인코드 배포(Composer 활용, Card) Composer Rest API를 이용한 체인코드 데이터 수정 통합테스트 1

5일차	관리자 페이지 또는 서비스 웹 페이지 작성 웹 페이지 + Fabric 연동 통합 테스트 2 추가 이슈 사항 처리 Q&A

0 댓글

Deep Learning with RNN

12/20/2018

0 댓글

최근 딥러닝의 꽃으로 불리는 RNN(Recurrent Neural Network)의 개념과 그 탄생 과정을 살펴보고 구조적인 특성을 이해하면서 자연어 처리 방법과 솔루션 구현 방법을 학습합니다.

교육목표

RNN의 구조적 특성과 LSTM 개념을 설명할 수 있습니다.
Time Sequence 적용 분야에 적합한 입력 데이터를 구성할 수 있습니다.
구축한 모델을 TensorFlow 및 Keras로 구현할 수 있습니다.
하이퍼파라미터 튜닝으로 손실함수를 조절할 수 있습니다.
변형 혹은 진보된 RNN 딥러닝 모델을 설계할 수 있습니다.

참가 대상자 (Python 파이썬 사용이 가능한 분)

딥러닝으로 Sequence Data 구현을 추진하는 분
딥러닝 자연어 처리에 관심 있는 개발자
봇 트레이딩 사업을 추진하는 경영자
TensorFlow/Keras – RNN 개발을 추진하는 개발자

권장 교육시간: 1일 7시간 x 5일 = 35시간

실습 중심으로 진행
개인 및 팀 협업에 의해 개발 실습

주요 내용

RNN의 구성과 Time Series Data
Simple RNN, LSTM, GRU구조를 이해하고 구현
RNN구성 요소와 기능적인 메커니즘
RNN 응용분야 – NLP/자연어처리에 대한 실습

시간표

1일차

RNN의 개념과 모델

RNN(Recurrent Neural Network) 모델의 컨셉과 구조
RNN에 적합한Time Series문제들과 응용 분야

RNN과 Stochastic Time Series

Sequence Data(주가, 음악, 문장, 단어, 보이스...) - Time Series 학습을 위한 RNN설계
일정 주기로 나타나는 패턴 인식을 위해 순차적인 수열의 형태로 표현하는 방법
CNN의 Forward Cell과 다른 Recurrent Cell의 구조와 구성 방법
One-Hot-Encoding과 Word Embedding

Vanishing Gradient / Down Sampling

TensorFlow를 이용한 RNN구성과 입력 벡터
RNN 모델에서 자주 나타나는 Vanishing/Exploding Gradient 문제와 해법
신경망 내부의 가중치와 활성 함수(Activation Function)를 통합적으로 튜닝 할 수 있는 효율적인 방법

2일차

LSTM and GRU

RNN 효율화를 위한 LSTM과 GRU 모델
Embedding Layer, LSTM, GRU 각 레이어의 특성과 신경망 내부에 추가하는 방법
Vanishing 문제에 효과적으로 대응 하기 위한 활성 함수 튜닝 방법

글자 및 단어의 One-Hot-Encoding 방법

One-Hot-Encoding 방법론
RNN 신경망에서 역할과 일반 문제에 적용하는 방법
Tensorflow / Keras를 이용한 RNN구현

단어 임베딩 방법

자연어 처리의 근간인 Word Embedding 이해와 사용법
적용할 문제 특성에 따른 변화 설정
Tensorflow / Keras를 이용한 구현
One-Hot-Encoding과 비교

3일차

GENSIM, Word2Vec, Doc2Vec, FastText

밀로코프(Milokov)에 의해 시작된 Word2Vec와 스탠포드대학(Stanford Univ.)의 연구 GloVe에 대한 이해
머신러닝 기법으로 연구한 NLTK, GENSIM의 시스템과 RNN/Keras 와 비교

텐서플로우/케라스를 이용한 WORD-RNN 구현

Kears를 이용하여 자연어 처리의 기본인 WORD-RNN 구성
학습에 필요한 Hyperparameters와 Sequence Data 와 토큰 사이즈의 관계
이미지 처리를 위한 CNN과 비교하고 RNN 모델 구성에 응용하는 방법

4일차

MNIST 데이터를 이용한 자연어처리 실습

MNIST 데이터를 이용해 글자 및 단어 예측 RNN구성

convnets를 이용한 시컨스 프로세싱

CNN을 이용한 Time Series 데이터 처리 후 RNN구현과 비교하기

5일차

LSTM을 이용한 텍스트 생성

RNN이 변형 발전된 LSTM을 이용해서 텍스트 생성 프로그램 개발하기
Hyperparameters 튜닝을 살피면서 결과 분석

RNN을 이용한 기온 예측 모델

NLP 데이터 보다 복잡성을 포함하는 기상온도 예측 RNN구축하기
Dropout을 사용해 신경망의 Overfitting을 방지하는 방법
Stacked-RNN 구현
양방향 RNN을 구축

0 댓글

Deep Learning

12/20/2018

0 댓글

딥러닝의 역사와 현주소를 파악하고 개념과 철학적 배경에 대한 이해를 높여 보다 효과적인 딥러닝을 구현할 수 있도록 도와줍니다. 기능적인 메카니즘을 배우는 동시에 딥러닝 개발에 필요한 환경 구축 및 필수 요소들을 준비합니다. 그에 따라 비즈니스 현장 문제에 적합한 학습 모델을 설계하고 AI 기반 서비스를 구축할 수 있도록 합니다.

교육목표

딥러닝 개발에 필요한 요소들을 이해하고 개발 환경을 준비할 수 있습니다.
딥러닝의 학습 원리와 구현방법을 설명할 수 있습니다.
학습모델이 신경망에 작용하는 메카니즘을 이해합니다.
딥러닝 모델을 실제(비즈니스 현장) 문제에 적합하게 디자인하고 적용할 수 있습니다.
TensorFlow 및 Keras를 활용하여 딥러닝을 구현할 수 있습니다.

참가대상자(Python 파이썬 사용이 가능한 분)

딥러닝 기반 서비스/솔루션 구축 프로젝트를 처음 시작하는 개발자
인공지능 전문 엔지니어로 성장하려는 분
기존 비즈니스에 딥러닝을 접목시켜 사업을 확장하려는 경영자
TensorFlow, Keras 등 딥러닝 도구의 작동원리를 충분히 이해하고 제대로 활용하려는 분

권장 교육시간: 1일 7시간 x 3일 = 21시간

실습 중심으로 진행
개인 및 팀 협업에 의해 개발 실습

주요 내용

딥러닝의 역사와 철학을 통한 발전적 기본개념 이해
뉴럴네트워크(인공신경망)와 수학적 모델
딥러닝 개발 환경 구축 및 텐서플로우와 케라스 사용법
딥러닝 모델의 학습과 최적화 방법

시간표

1일차

AI - 딥러닝의 역사와 철학

Von Neuman에서 Steve Jobs까지의 딥러닝 선구자의 성과
‘튜링의 머신'과 최적화 문제의 ‘에니그마’
인공지능에 대한 철학적 접근과 딥러닝 모델
Misky와 Rosenblatt의 Perceptron
Hopfield와 Content Addressable Memory, Hash
Hinton과 LeCun의 다층구조신경망
딥러닝의 오늘과 미래

뉴럴 네트워크(딥러닝)

인공신경망(Neural Networks) 탄생의 배경과 철학적 의미
딥러닝 모델과 학습의 수학적 의미
뉴런의 Synapse, Axon 및 Dendrits로 모델화
신경전달물질 Dopamine 등을 모사한 Weight
심층 모델의 구성과 생물학적 신경망 구조의 비교와 분석을 통한 통계 및 확률에 대한 이해

딥러닝을 위한 수학적 모델과 선형 대수학

딥러닝 모델의 탄생을 가져온 퍼셉트론(Perceptron)에 대한 수학적 해석
선형회귀법(Linear Regression)
뉴럴 네트워크에서 필요한 선형대수학(Linear Algebra)

딥러닝을 위한 미분과 텐서

딥러닝 학습에 필요한 수학적 미분의 이해
스칼라, 벡터, 매트릭스(Matrix) 및 텐서(Tensor)의 정의
텐서의 구조와 사용법
LAB. 파이썬 라이브러리 NumPy를 사용해 벡터, 행렬 및 텐서의 사용법을 익히고 딥러닝에 필요한 기초 선형대수학을 실습한다.

2일차

딥러닝 개발 환경 구축 1

개발에 필요한 리눅스(Linux) 환경 조성
가상머신(VM: Virtual Machine) 설치
딥러닝 위한 중요 리눅스 명령어
파이썬(Python) 설치
Anaconda 환경 변수 설정과 사용법

LAB. 가상머신 Image를 만들어 VM에서 리눅스 명령어를 실행해 보고 파이썬 3.6을 설치한 후 아나콘다(Anaconda)를 설치해 사용한다.

딥러닝 개발 환경 구축 2

딥러닝 준비 학습을 위한 환경 구축
클라우드 계정 운용법과 Cloud Instance / VM 설정 방법
GPU 선정과 사용법
Colaboratory와 Docker를 통한 Container 이미지 사용법
LAB. 실무 개발에 필요한 구글 클라우드 상에서 VM을 구성하고 딥러닝 개발환경에 필요한 요소를 세팅하고 설정한다.

딥러닝에서 필요한 데이터 처리와 분석용 툴

파이썬을 이용한 데이터 처리
딥러닝 학습을 위한 중요한 툴 설치와 사용법
Jupyter Notebooks설치
데이터 사이언스의 기초가 되는 자료 처리 및 분석
필수 라이브러리 NumPy, Pandas, SciKit-Learn, Matplotlib 설치와 사용법

LAB. 쥬피터 노트북을 설치하고 NumPy, Pandas, SciKit-Learn, MatPlotLib 등의 라이브러리 사용법을 익힌다.

텐서플로우와 케라스

텐서플로우 이해와 설치
하이레벨 TensorFlow API인 Keras 설치와 사용법
텐서플로우 학습 도구인 텐서보드(TensorBoard)의 사용법
LAB. 텐서플로우와 케라스를 설치하고 그 사용법과 딥러닝을 시키기 위한 명령어를 실습한다.

딥러닝 모델

딥러닝 모델의 종류와 구조
각 모델의 특성과 응용분야
CNN, RNN 모델의 장단점
TensorFlow와 Keras를 이용한 모델 구현 실습
LAB. 케라스(Keras)를 이용해 딥러닝 모델인 컨볼루션 신경망 및 리커렌트 신경망을 구성한다.

3일차

딥러닝 학습의 종류

학습의 종류(지도, 비지도, 강화)와 이론
Backpropagation이론
각 학습 모델의 특성과 장단점
학습 모델의 적용 방법
LAB. 케라스를 이용해 컨볼루션 신경망을 구성하고 Supervised 러닝에 필요한 Backpropagation을 실습한다.

최적화와 엔트로피

손실 함수와 딥러닝 모델의 Gradient Descent
최적화(Optimization) 이론
엔트로피(Entropy) 개념과 연관성
학습 모델 일반화와 신경망 에너지(Energy)
온도 개념의 이해와 사용법
LAB. 딥러닝 모델을 학습 시키고 학습에 필요한 요소들을 케라스를 이용해 실습한다.

Image Classifier 개발(팀 실습)

Image Classifier구성
MNIST dogscats 데이터 셋을 이용
LAB. 개와 고양이 이미지 학습데이터를 이용해 제시된 CNN을 통해 초기 값들의 영향력을 분석하고 학습 변수를 변형 시키면서 딥러닝 모델의 엔트로피 변화와 학습 결과를 연관 분석한다.
테스팅 데이터를 이용해 팀별 결과값 비교 분석

※ 세부 내용과 시간 배정은 참가자 수준에 따라 조정될 수 있습니다.

참가자 준비사항

실습을 위한 개인용 노트북 1대
사전에 세팅할 소프트웨어는 신청자에게 별도 안내합니다.

0 댓글

Deep Learning with CNN

12/20/2018

0 댓글

딥러닝 부흥을 이끌어낸 CNN(Convolutional Neural Network)의 구조와 메카니즘을 학습하고 TensorFlow, Keras등 딥러닝 도구를 이용하여 실체적인 문제를 CNN으로 구현합니다.

교육목표

딥러닝의 개념과 메카니즘을 완전히 이해할 수 있습니다.
CNN의 구조와 원리를 제대로 이해하고 딥러닝으로 구현할 수 있습니다.
가중치의 초기화 방법과 중요한 하이퍼 패러미터를 분석할 수 있습니다.
학습 메카니즘을 이해하고 효율적인 학습 방법을 구현할 수 있습니다.
TensorFlow 및 Keras 등을 이용해 CNN 모델을 만들 수 있습니다.

참가 대상자 (Python 파이썬 사용이 가능한 분)

CNN으로 Image 관련 인공지능 프로젝트를 수행할 개발자
인공지능 사업을 위해 CNN을 알고자 하는 경영자
TensorFlow/Keras - CNN을 개발하려고 하는 개발자

권장 교육시간: 1일 7시간 x 5일 = 35시간

실습 중심으로 진행
개인 및 팀 협업에 의해 개발 실습

주요 내용

Computer Vision과 CNN의 관계
CNN 구조를 이해하고 구현
Convolution Layer 구성 요소와 기능적인 메커니즘
하이퍼파라미터들의 튜닝과 재학습

시간표

1일차

Computer Vision

현재 딥러닝의 기본이 되어 있는 CNN모델의 역사와 생물학적인 접근법
Hinton의 Error-Backpropagation
Rumelhart의 다층신경망, LeCun의 CNN
학습의 종류와 이론

CNN 와 Visual Recognition

LeCun에 의해 1998부터 시작된 CNN의 장점인 이미지 분류(Image Classification) 원리와 이론
최근 딥러닝을 이슈화 시킨 ImageNET(AlexNet, GoogLeNet, ResNET …) 챌린저에 대한 핵심사항

Image Classification with K-NN

이미지 분류의 어려움과 구현에서 발생하는 현실적인 문제점, 그리고 해결을 위한 알고리즘 반영 기법
기존 Nearest Neighbors 알고리즘의 접근법 K-NN 이해와 CNN 모델에 투영시키는 방법
CIFAR10 학습 데이터와 구조
Image Classifier 개발

선형 분류 - 손실함수와 최적화

CNN 딥러닝에서 가장 기초 단위가 되는 선형 분류/회귀법
손실 함수(Loss Function)와 최적화의 관계
손실 함수를 최소화시키는 "학습" 개념과 방법론

2일차

신경망회로 LAB

신경망회로 개념과 메커니즘
손실 함수를 분배하는 Gradient 정의
Back-propagation 메커니즘

CNN의 구조와 이해 LAB

컨볼루션 레이어(Conv Layer) 정의
필터의 구성과 서브 샘플링
Sub-sampling와 Features의 관계
Stride와 Padding
Max-pooling과 Dropout
Fully Connected 레이어의 구조와 원리

3일차

신경망회로의 학습과 LAB

신경망 회로의 "학습" 이론
데이터의 준비, 활성함수, 가중치의 초기화 및 최적화에 대한 이론과 메커니즘
Batch Normalization
Learning Rate
NaN을 피하고 손실함수의 변화에 따른 Learning Rate설정하는 방법

신경망회로 튜닝과 LAB

Hyperparameters의 종류와 각각의 실체적인 컨트롤 방법
신경망의 학습 프로세서가 로컬 미니마에 멈추는 것을 피하도록 하이퍼파라메터 튜닝하기
학습상수, CNN 구조 및 사이즈, 손실함수 스케듈링, 정규화 및 최적화를 통해 신경망 학습을 가속화 시키는 방법

4일차

ImageNET의 CNN 구조 및 사례

ImageNET 챌린저 - ILSVRC, AlexNet, VGGNet, GoogLeNet, ResNet, Inception -에서 최고의 성능을 나타내는 각 CNN 모델의 구조와 특성
기술의 발전과 컴퓨터 성능의 향상에 따라 각 모델의 예측력 증가와 알고리즘 구현

5일차

Team Project

CNN 구성
고유 Hyperparameters조정
학습 능률과 Testing Data에 대한 정확도 계산

※ 세부 내용과 시간 배정은 참가자 수준에 따라 조정될 수 있습니다.

참가자 준비사항

실습을 위한 개인용 노트북 1대
사전에 세팅할 소프트웨어는 신청자에게 별도 안내합니다.

0 댓글

Digital Transformation

12/5/2018

0 댓글

Digital Transformation은, 기업의 End-to-end 프로세스 관점에서 아날로그로 진행되던 업무를 4차 산업의 요소기술을 활용하여 디지털화 하여 궁극적으로 무인 대응이 가능한 체계로 변화하는 것입니다. 최근 DT를 통해 산업계에서는 눈에 띄는 효과를 거두고 있습니다.

챗봇을 통해 콜센터 상담원 60% 감축
인공지능 기반의 Customer Insight 제공으로 재구매율 30% 향상
IoT 기반 설비정보 분석을 통해 품질불량 30% 개선
로보어드바이저를 통해 고객의 요구사항을 100% 반영
블록체인 적용을 통해 거래 안전성 강화 (금융, 식품사, 리테일 등)

4차산업혁명의 구체적 실행이 전세계적으로 강렬하게 진행되고 있습니다. 생존을 위해서 말입니다.

우리 회사 맞춤교육 문의

다만, 국내에서는 4차산업혁명 개념 이해는 높지만 이를 구체화시키는 DT 행보는 다소 더딘 것 같습니다. DT는 글로벌 무한경쟁 세계에서 생존과 직결된다고들 합니다. DT는 제조, 유통, 금융, IT 등 전 산업과 일상에 거부할 수 없는 패러다임 변화이며, 무서운 속도로 덮쳐오고 있다는 점에서 경각심을 갖고 준비해야 할 것입니다.

DT 교육에서는 해외 사례 외에도 국내 기업의 추진 사례와 그 적용 프로세스를 소개합니다. Executives, Manager, Employee 대상자별로 교육 범위와 깊이를 달리하여 전사적 DT 구현에 도움을 드립니다.

우리 회사 맞춤교육 문의

Digital Transformation에 대한 Global Leader Voice

0 댓글

Professional Business English 강사 그룹

11/27/2018

0 댓글

Philip Jovanovic

캐나다에서 심리학,역사학을 전공했으며 교육학 석사과정 중에 있습니다. 8년 + 강의 경력 보유하고 있는 베테랑 강사입니다. 리더십, 창의적 사고, 팀워크 등 비즈니스 주제를 활용한 강의가 가능합니다.

Julie Chung

캐나다 국적이며 삼성인력개발원 인텐시브 프로그램에서 오랜 기간 강의하고 있습니다. 생물학과 자연과학을 전공했으며, 비지니스 글로벌 트렌트 분석 자격증을 보유하고 있습니다.

삼성인력개발원, 두산중공업, 우림건설, 농협중앙회, Michigan Venture Capital Co., Ltd, 현대하이닉스, Helsinki School of Economics, 삼성C&T, HBRG 엔터프라이즈, 제일기획, 삼성화재, 삼성벤처, Korea Test & Measurement Group (KTMG) 에서 강의
KBS 통역관 경력 보유, 팝스 잉글리쉬 MC(라디오), AITA/IATA World Congress & International Theatre Festival, Masan, Korea 호스티스 Co-M, Korea Agro-Fisheries Trade Corporation 인터뷰 진행자, Hanmi-Parsons 인터뷰 진행자
3년+ 캐나다 기업에서 매니저로 근무

David Lee

영어를 모국어로 사용하며 한국어도 조금 합니다. 미국에서는 영문학을 전공했고, 스위스에서는 커뮤니케이션을 전공했습니다. 8년+ 비지니스 영어와 일반 영어 강의 경험이 있으며 특히 독특한 고유의 OPIc 교수법으로 높은 평가를 받고 있습니다.

SK, 현대백화점, LG, 서울대학교, 신한은행, GM Korea, 삼성화재, 삼성생명, CJ, 삼성전자, POSCO, Siemens, Standard Chartered, 삼성엔지니어링 등에서 강의
개인 OPIc, 그룹 OPIc수업, AL목표로한 인텐시브 OPIc 등 다양한 OPIc 수업을 진행

수강생이 OPIc 수업과 동시에 실질적인 영어 능력 향상을 할 수 있도록 코칭하는 것이 특징 입니다.

Alicia Jeong

영어를 모국어로 사용하는 한국 국적 강사입니다. 바누아투,미국, 벨기에 등에서 국제학교를 다녔고 이화여대에서 영어영문학과 패션디자인을 전공했습니다.

9년+ 강의경력을 갖고 있으며, 비지니스 영어와 일반영어 모두 강의 가능하고 ARIRANG, SBS, MBC, KBS 에서 영어 프로그램 진행 경력 보유
삼성화재, 금호타이어, LG, Chanel Korea, EXR Korea 등 대기업 글로벌 사업 관련 임직원 대상으로 강의하고 있음
주요 강의 영역: 임원 비즈니스 영어, OPIc, 인터뷰 스킬

Jennifer You

African-American 이며, 흑인 억양없는 정확한 미국인 억양 구사합니다. 한국인과 결혼하고 유투브에서 본인의 채널을 만들어 활동하고 있습니다. 한국어도 고급으로 표현할 수 있습니다.

https://www.youtube.com/c/jheartsj
29,000명+ 구독자 보유
YouTube 비디오 제작 활동을 하고 있기 때문에 발음이 좋고 Language Ability가 높음

항상 밝고 재미있으며 수강생에게 정성을 많이 쏟는 성격의 소유자이며 Population and Development을 전공했습니다. 6년 이상의 강의경력이 있으며 강의능력이 워낙 좋은데, 일례로 삼성 임직원 중 한 분은 수강 후 OPIc 레벨이 2 단계(beginner-level에서 high-intermediate level로) 상승되기도 했습니다. 강의 만족도가 아주 높은 우수 강사입니다.

Grace Choi

캐나다 국적이며 한국어는 조금 할 수 있습니다. 현재 파이낸셜 트레이딩 관련 기업에서 CEO 비즈니스 영어 코칭을 하고 있습니다. 삼성 관계사 한 곳의 CEO도 이 분께 수업을 받았습니다. 6년+ 비지니스 영어 강의경력을 보유하고 있는데 대부분 임원들 입니다.

3년 이상 OPIc 강의 경력보유
미국 현지에서도 강의
삼성생명, 삼성BP, SK텔레콤, SK Energy, SK Planet, 11번가, 신한은행, 다음 카카오, Golfzone, 롯데푸드 등 대기업 임직원 대상 강의

Kim Nayoung

한국인이며 영어대화시 한국 억양이 전혀 없이 완벽히 잘 구사하는 강사입니다. 프랑스어와 법학을 전공했고 7년+ 비지니스 영어강의를 하고 있습니다. 삼성C&T, 삼성시큐리티즈, Samsung Asset Management, Sony, 삼성화재, 롯데호텔, 롯데백화점, CJ, 연세, 삼성 SDS, 삼성화재, 제일기획, LG, 효성, 현대모비스, GM Korea, 한화케미컬 등에 출강하고 있습니다.

Ryan Stover

디자인 대학교에서 일러스트레이션을 전공했고 Tesol 자격 보유하고 있습니다. 4년+ 영어 강의 경험이 있으며 수강생의 영어 스킬 향상에 열정이 높아 각 학생에게 적합한 수업방법을 연구하는 강사입니다.

Sophia Kang

한국인이지만 한국어 억양 없이 100% 네이티브 영어 구사합니다. 미국과 영국 문화 및 정치학을 전공했습니다. 삼성인력개발원 HRDC/HOAM 에서 임원 대상 강의를 했으며, 대부분의 강의가 말하기 강의로 SST(OPIc) 채점도 포함합니다. 삼성서울 R&D 캠퍼스, CJ 제일제당, Toray Advanced Material, 네이버, CJ E&M 등에서 강의합니다.

0 댓글

<<이전

교육 목표

추천 수강 대상

주요 내용

수강자 조건

운영계획

1일차

2일차

3일차

4일차

5일차

자격인증​

수강 추천 대상자

​교육기간

교육내용

1일차

2일차

​수강 추천 대상자

​교육기간

교육내용

1일차

2일차

3일차

수강 추천 대상자

교육기간

교육내용

1일차

2일차

3일차

4일차

5일차

교육목표

​참가 대상자 ​(Python 파이썬 사용이 가능한 분)

​권장 교육시간: 1일 7시간 x 5일 = 35시간

주요 내용

시간표

1일차

2일차

3일차

4일차

5일차

교육목표

참가대상자(Python 파이썬 사용이 가능한 분)

권장 교육시간: 1일 7시간 x 3일 = 21시간

주요 내용

시간표

1일차

2일차

3일차

참가자 준비사항

교육목표

참가 대상자 ​(Python 파이썬 사용이 가능한 분)

권장 교육시간: 1일 7시간 x 5일 = 35시간

주요 내용

시간표

1일차

2일차

3일차

4일차

5일차

참가자 준비사항

Philip Jovanovic

​Julie Chung

​David Lee

​Alicia Jeong

Jennifer You

Grace Choi

Kim Nayoung

Ryan Stover

​Sophia Kang

카테고리

교육문의

자격인증

교육기간

수강 추천 대상자

교육기간

참가 대상자 (Python 파이썬 사용이 가능한 분)

권장 교육시간: 1일 7시간 x 5일 = 35시간

참가 대상자 (Python 파이썬 사용이 가능한 분)

Julie Chung

David Lee

Alicia Jeong

Sophia Kang