TEACHING YOU TO SOLVE PROBLEMS WITH DEEP LEARNING
참가 신청하기
4월 NVIDIA DEEP LEARNING INSTITUTE 참가 안내
NVIDIA Deep Learning Institute는 개발자, 데이터 사이언티스트, 그리고 엔지니어들을 위한 핸즈온 방식의 교육 프로그램입니다. 자율 주행 자동차, 헬스케어, 온라인 서비스, 그리고 로보틱스에 이르기까지 딥 러닝 기술이 필요한 다양한 분야에서 어떻게 딥 뉴럴 네트워크를 어떻게 설계하고 훈련하며 배포하는지에 대한 최신 기술 강의를 들으실 수 있습니다.
이번 4월 DEEP LEARNING INSTITUTE에 대한 자세한 아젠다는 아래에서 확인하실 수 있습니다.
NVIDIA DEEP LEARNING INSTITUTE 에 참석하시고 가장 최신의 딥 러닝 기술을 배워가시기 바랍니다.
서울
2017년 4월 25일(화)
10:00 - 17:30
서울 삼성동 코엑스 컨퍼런스룸 E5
1인 110,000원(부가세 포함)
NVIDIA DEEP LEARNING INSTITUTE 참가를 통해
- 현실 세계에서 가장 복잡한 문제를 딥 러닝 기술을 활용하여 해결할 수 있는 훈련 방법 및 인사이트를 얻을 수 있습니다.
- 최신 인공지능 프레임워크, SDK, 그리고 GPU 기술들을 핸즈온 방식으로 배우실 수 있습니다.
- NVIDIA 글로벌 본사에서 인증한 최고의 딥 러닝 전문가들이 직접 세션을 진행합니다.
- NVIDIA에서 전 세계적으로 발급하고 있는 DEEP LEARNING INSTITUTE 공식 수료 인증서가 수여됩니다.
NVIDIA DEEP LEARNING INSTITUTE 교육 내용
프로그램
#1. INTRODUCTION TO RNNS
본 세션에서는 리커런트 뉴럴 네트워크(RNN)의 실제 수행 과정과 작동 방식 및 활용 방식에 대해 살펴볼 예정입니다. 본 세션 참여를 위해서는 뉴럴 네트워크와 딥 러닝에 대한 사전 지식이 다소 요구됩니다.
#2. SIGNAL PROCESSING USING DIGITS
딥 러닝을 활용한 음향, 지진, 무선 통신 또는 레이더 등 다양한 센서에서 취합한 데이터의 처리 방법을 보여주는 자료는 매우 드뭅니다. 본 세션에서 컨볼루셔널 뉴럴 네트워크(CNN)를 활용한 무선 주파수(RF) 신호의 처리를 소개할 예정이며, 노이즈로 인해 약해진 신호를 감지할 경우 나타나는 일반적인 문제점들을 확인하실 수 있습니다.
#3. MODELLING TIME SERIES DATA WITH THEANO
의료 환경에서 전자 건강기록(EHR: Electronic Healthcare Records) 정보를 바탕으로 환자가 앓고 있는 질병의 심각성을 예측하기 위해, 딥 러닝을 어떻게 활용할 수 있는지를 살펴봅니다. 또한 본 세션에서는 Python 라이브러리 Pandas를 이용해 HDF5 형식으로 제공되는 데이터 세트를 관리하고 딥 러닝 프레임워크 Keras를 이용해 리커런트 뉴럴 네트워크(RNN)를 구축할 예정입니다. 특히 롱-쇼트 텀 메모리 네트워크(LSTM: Long-Short Term Memory Network)라는 딥 RNN를 구축할 예정이며 이것에 있어 기본적인 아이디어는 특정 시점에서 환자의 사망률 예측을 도출할 수 있게 도와주는 딥 러닝 기반의 프레임워크를 개발하는 것입니다.
NVIDIA DEEP LEARNING INSTITUTE 준비 사항
본 핸즈온 세션 참여를 위해서는 본인의 노트북(Windows, Mac, Linux/Wifi/크롬 브라우저)을 소지하고 오셔야 하며, 아래 사전 준비 사항을 반드시 완료하셔야 합니다.
행사 참가 사전 세팅 사항
- 크롬 브라우저 최신 버전 설치
- nvidia.qwiklab.com에서 신규 가입
- 이메일 인증 완료(가입하면 confirm 메일을 받아서 활성화 해야 함)
- 가입 완료 확인
- 가입한 ID (E-mail), 이름, 전화 번호를 kor_nvidia2017@naver.com 으로 보내주셔야 합니다.
NVIDIA DEEP LEARNING INSTITUTE 과정의 목표
데이터 사이언티스트(Data Scientists)
각 분야의 데이터 수집 및 분석을 담당하는 전문가로 통계 분석 등 머신 러닝 이외의 방법으로 모델을 개발하는데 익숙했지만 이제 정확한 예측을 위해 딥 뉴럴 네트워크를 활용할 가능성이 높으며,
데이터 엔지니어와의 협력을 통해 데이터를 수집 및 증가시키고, 프레임워크 작업을 위해 일반 지원 개발자와 협력하기도 합니다.
소프트웨어 개발자(Software Developers)
- 데이터 엔지니어(Data Engineers) – 데이터 사이언티스트가 자신의 전문 지식을 딥 러닝에 적용하는데 도움을 제공하며 트레이닝용 데이터의 수집 및 준비에 초점을 두고 있습니다.
- 일반 기술 지원 (General Support) – 훈련된 뉴럴 네트워크를 개발하는 작업 특유의 반복적 특성을 지원하며 코드 작성(대체로 Python)을 통해 데이터 사이언티스트가 생성하고자 하는 모델의 개발을 지원합니다.
- 애플리케이션 엔지니어(Application Engineer) – 학습된 뉴럴 네트워크를 프로덕션 환경에 구현하는 작업을 담당합니다. 네트워크 자체의 작동 방식을 이해할 필요는 없으나 입력값과 결과값이 무엇인지는 알아야 합니다. 대체로 최종 제품 내 추론을 최적화하는 작업을 담당하면서 시스템 아키텍트, 데이터 엔지니어 및 데이터 사이언티스트와의 협력을 통해 새로운 데이터 샘플을 캡처, 그리고 파이프라인의 시작 단계로 제공하는 작업을 담당할 수 있습니다.
시스템 아키텍트(System Architect)
전체 파이프라인의 설계 및 구현과 함께 다른 직무들과의 긴밀한 협력을 통해 학습 및 추론 시스템을 거쳐 데이터와 모델을 전송하는 과정을 지원합니다. 학습 플랫폼의 설정 및 유지 보수, 프레임 워크 등의 설치 작업 등을 담당하기도 합니다.
