[2024] 광주 온라인코딩 교육
클래스 소개
난이도
보통
카테고리
ICT - 온라인코딩교육
클래스 진행 기간
24.05.07부터 24.10.31까지
소요 시간
960 시간
교육 과정
모두 펼치기
- 01전체 강의자료
- 02Part 1. 가장 빠르게 익히는 파이썬 프로그래밍 기초
- 03Part 2. 파이썬 정형 데이터 분석 & 데이터 시각화
- 04Part 3. 파이썬을 활용한 웹 크롤링 & 자연어 데이터 분석
- 05Part 4-1. 파이썬을 활용한 기초 통계 분석
- 06Part 4-2. 파이썬 기반 SQL 프로그래밍
- 07Part 5. 머신러닝 핵심 이론 & Scikit-learn 실습
- 08Part 6-1. 딥러닝 핵심 개념 & 딥러닝 최적화 이론
- 09Part 6-2. Tensorflow를 활용한 파이썬 딥러닝 실습
- 10Part 7-1. 실전 Django 웹 프로그래밍 : Basic
- 11Part 7-2. 실전 Django 웹 프로그래밍 : Intermediate
- 12Part 7-3. 실전 Django 웹 프로그래밍 : 10 Steps to create a landing page
- 137-4. 실전 Django 웹 프로그래밍 : Advanced
- 14추가학습자료. PyTorch&TorchVision
강의자료 다운로드
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/7] 1강. Python & Anaconda
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/7] 2강. Anaconda 설치 & 개발 환경 세팅
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/7] 3강. Jupyter Notebook 소개 & 단축키 실습
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/8] 4강. 기초 Data Type (1) - int & float
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/8] 5강. 기초 Data Type (2) - str & bool
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/8] 6강. 함수 & 퀴즈풀이
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/9] 7강. Container 자료형 (1) - list
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/9] 8강. Container 자료형 (2) - dict & tuple & set
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/9] 9강. 조건문 & 반복문 (1) - if & for
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/10] 10강. 조건문 & 반복문 (2) - while
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/10] 11강. 파일 읽고 쓰기
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/10] 12강. Class
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/10] 13강. 내장함수 & 외장함수
(24. 05. 06. 23:59 ~ 24. 10. 31. 23:59)
[5/13] 14강. Module & Library
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/13] Appendix : Additional tools for Python
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/13] 1강. Various data types & Data collection
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/14] 2강. Pandas Tutorial (1) - DataFrame 둘러보기 & 행 단위 접근
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/14] 3강. Pandas Tutorial (2) - 열 단위 접근 & Series 문자열 함수
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/14] 4강. Pandas Tutorial (3) - DataFrame 고급 함수 실습
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/14] 5강. 정형 데이터 전처리 & 시각화 (1) - 데이터 확인
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/16] 6강. 정형 데이터 전처리 & 시각화 (2) - 데이터 전처리
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/16] 7강. 정형 데이터 전처리 & 시각화 (3) - 데이터 전처리
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/16] 8강. 정형 데이터 전처리 & 시각화 (4) - 데이터 시각화
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/17] 9강. 정형 데이터 전처리 & 시각화 (5) - 데이터 시각화
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/17] 10강. 정형 데이터 전처리 & 시각화 (6) - 지도 시각화
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/17] 11강. 정형 데이터 전처리 & 시각화 (7) - GCP 활용 지도 시각화
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/17] 12강. 정형 데이터 전처리 & 시각화 (8) - 상세 버전 GeoJSON 활용
(24. 05. 12. 23:59 ~ 24. 10. 31. 23:59)
[5/20] Appendix : Additional tools for Python
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/20] Appendix : 추가 학습 자료 (1) - Numpy & Matplotlib
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/20] Appendix : 추가 학습 자료 (2) - Cheatsheets & Pandas-Profiling
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/20] 1강. Web Scraping & HTML 기초 지식
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/21] 2강. 크롬 개발자도구 & Web Scraping 프로세스
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/21] 3강. Web Scraping with BeautifulSoup (1)
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/21] 4강. Web Scraping with BeautifulSoup (2)
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/22] 5강. Basic text data analysis (1) - Tokenizing, POS tagging, Stopwords, Lemmatization
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/22] 6강. Basic text data analysis (2) - 품사별 토큰 추출 & 등장횟수 시각화, 정규표현식
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/22] 7강. Basic text data analysis (3) - TF-IDF & Cosine similarity 이론
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/23] 8강. Basic text data analysis (4) - TF-IDF & Cosine similarity 실습
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/23] 9강. WordCloud for text data (1) - 자동화된 네이버 뉴스 크롤링
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/23] 10강. WordCloud for text data (2) - 자동화된 네이버 뉴스 크롤링
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/24] 11강. WordCloud for text data (3) - 자동화된 네이버 뉴스 크롤링
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/24] 12강. WordCloud for text data (4) - 자동화된 네이버 뉴스 크롤링
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/24] 13강. WordCloud for text data (5) - 자동화된 네이버 뉴스 크롤링
(24. 05. 19. 23:59 ~ 24. 10. 31. 23:59)
[5/27] 14강. WordCloud for text data (6) - 한글 텍스트 데이터 전처리 & 시각화
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/27] 15강. WordCloud for text data (7) - 한글 텍스트 데이터 전처리 & 시각화
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/27] 16강. Advanced web scraping with Selenium (1) - Selenium 소개 & 튜토리얼
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/28] 17강. Advanced web scraping with Selenium (2) - Google Translate
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/28] 18강. Advanced web scraping with Selenium (3) - Naver Papago
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/28] 19강. Advanced web scraping with Selenium (4) - Interpark Tour
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/29] Appendix : 실습 (1) Wadiz scraping & 메일 자동발송
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/29] Appendix : 실습 (2) POST request 처리 & 상권분석서비스
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/30] Appendix : 실습 (3) HTML Table tag 처리 & 네이버금융
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/30] Appendix : 실습 (4) 공공데이터 포털 Open API 활용 & XML
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/30] Appendix : 실습 (5) 자동 스크롤 처리 & 추가 학습 자료
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/30] 1강. [Recap] Numpy & Pandas (1) - Numpy tutorial
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/31] 2강. [Recap] Numpy & Pandas (2) - Pandas Recap
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/31] 3강. 빈도 분석 & 기술 통계량 분석 (1) - 데이터 탐색과 기술 통계 분석
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[5/31] 4강. 빈도 분석 & 기술 통계량 분석 (2) - Outlier의 탐지 및 제거
(24. 05. 26. 23:59 ~ 24. 10. 31. 23:59)
[6/3] 5강. 파이썬을 활용한 통계 검정 (1) - 교차 검정
(24. 05. 31. 18:00 ~ 24. 10. 31. 23:59)
[6/3] 6강. 파이썬을 활용한 통계 검정 (2) - 평균 차이 검정 & 상관관계 분석
(24. 05. 31. 18:00 ~ 24. 10. 31. 23:59)
[6/3] 7강. 그로스 해킹을 위한 파이썬 통계 분석
(24. 05. 31. 18:00 ~ 24. 10. 31. 23:59)
[6/13] 1강. DBMS & 3 Steps of Data Modeling
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/13] 2강. Intro to SQLite3 (1) - SQL with Python
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/13] 3강. Intro to SQLite3 (2) - DB Browser for SQLite
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/14] 4강. Intro to SQLite3 (3) - DDL
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/14] 5강. SQL CRUD (1) - DML
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/14] 6강. SQL CRUD (2) - ORDER BY & DISTINCT
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/14] 7강. SQL CRUD (3) - WHERE & LIMIT
(24. 06. 07. 18:00 ~ 24. 10. 31. 23:59)
[6/17] 8강. Merge & Adv. techniques (1) - JOIN
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/17] 9강. Merge & Adv. techniques (2) - GROUP BY & HAVING
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/17] 10강. Merge & Adv. techniques (3) - Subquery
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/18] 11강. Selenium & SQLite3 (1) - 여행 상품 정보 DB 저장
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/18] 12강. Selenium & SQLite3 (2) - 여행 상품 이미지 자동 다운로드
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/18] 13강. NoSQL & 추가 학습 자료
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/19] 1강. 쉽게 풀어서 살펴보는 인공지능
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/19] 2강. 머신러닝 핵심 개념 이해 (1) - 머신러닝의 대분류 3가지
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/19] 3강. 머신러닝 핵심 개념 이해 (2) - Capacity & Overfitting
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/19] 4강. 머신러닝 핵심 개념 이해 (3) - Cross-validation & K-Fold CV
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/20] 5강. 비용함수와 경사하강법 (1) - Cost function & MSE
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/20] 6강. 비용함수와 경사하강법 (2) - Gradient Descen
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/20] 7강. 비용함수와 경사하강법 (3) - Learning rate & Hyper-parameter
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/21] 8강. Linear Regression (1) - Scikit-learn 소개 & One-hot encoding
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/21] 9강. Linear Regression (2) - 선형회귀 실습 (Boston house prices dataset)
(24. 06. 14. 23:59 ~ 24. 10. 31. 23:59)
[6/21] 10강. Linear Regression (3) - 선형회귀 실습 (Diabetes dataset)
(24. 06. 14. 18:00 ~ 24. 10. 31. 23:59)
[6/24] 11강. Logistic Regression (1) - Sigmoid function & Cutoff
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/24] 12강. Logistic Regression (2) - Cross-entropy & Softmax
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/24] 13강. Logistic Regression (3) - 로지스틱회귀 실습 & Confusion matrix
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/24] 14강. Logistic Regression (4) - ROC Curve & AUC
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/25] 15강. Adaboost & Gradient Boosting & XGBoost
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/25] 16강. Gradient Boosting (1) - 회귀분석 적용 & Feature Importance
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/25] 17강. Gradient Boosting (2) - 회귀분석 적용 & Permutation Importance
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/26] 18강. Gradient Boosting (3) - 분류분석 적용 & Classification Report
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/26] 19강. SVM (1) - Soft-margin Kernelized SVM
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/26] 20강. SVM (2) - SVM's Hyper-parameters
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/27] 21강. SVM (3) - Feature Normalization & StandardScaler
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/27] 22강. SVM (4) - HPO & GridSearchCV
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/27] 23강. K-Nearest Neighbor Algorithm
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/28]24강. Clustering & K-Means Algorithm
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/28] 25강. 클러스터 수 결정 기법 - Elbow method & Silhouette score
(24. 06. 21. 18:00 ~ 24. 10. 31. 23:59)
[6/28] 26강. Dimensionality Reduction & PCA
(24. 06. 23. 23:59 ~ 24. 10. 31. 23:59)
[7/1] 27강. Scikit-learn 실습 요약 & Choosing the right estimator
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/1] Appendix : 추가 학습 자료 (1) - missingno를 활용한 결측치 분포 시각화
(24. 06. 28. 23:59 ~ 24. 10. 31. 23:59)
[7/1] Appendix : 추가 학습 자료 (2) - Auto-Sklearn을 활용한 AutoML
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/1] Appendix : 추가 학습 자료 (3) - IQR 기반 Outlier 탐지 및 제거
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/1] Appendix : 추가 학습 자료 (4) - Class-imbalance & SMOTE 기반 Over-sampling
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/2] Appendix : 추가 학습 자료 (5) - Model Saving & Loading + Model Stacking
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/2] Appendix : 추가 학습 자료 (6) - Pipeline for StandardScaler & OneHotEncoder
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/2] Appendix : 추가 학습 자료 (7) - Stratified K-Fold CV & cross_val_score
(24. 06. 28. 18:00 ~ 24. 10. 31. 23:59)
[7/16] 1강. 전통적인 머신러닝 리뷰
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/16] 2강. 전통적인 머신러닝 vs 딥러닝 (1) - 전이학습이란 & 딥러닝 발전의 3가지 토대
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/16] 3강. 전통적인 머신러닝 vs 딥러닝 (2) - 전통적인 머신러닝과 딥러닝의 차이
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/16] 4강. 딥러닝 핵심 개념 이해 (1) - Perceptron의 2가지 연산과 비선형 함수
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/17] 5강. 딥러닝 핵심 개념 이해 (2) - Activation functions & ReLU
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/17] 6강. 딥러닝 핵심 개념 이해 (3) - XOR 문제와 Multi-Layer Perceptron
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/17] 7강. 딥러닝 핵심 개념 이해 (4) - 인공신경망 내부의 계산 프로세스 요약
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/17] 8강. 딥러닝 핵심 개념 이해 (5) - Tensorflow Playground
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/18] 9강. Neural Network Optimization (1) - Weight Initialization
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/18] 10강. Neural Network Optimization (2) - Weight Regularization
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/18] 11강. Neural Network Optimization (3) - Mini-Batch GD & Adam optimizer
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/19] 12강. Avoiding overfitting (1) - Dropout
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/19] 13강. Avoiding overfitting (2) - Batch Normalization
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/19] 14강. DL Hyper-params & Transfer-learning + Deep Double Descent
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/19] 15강. 인공신경망 핵심이론 & 최적화 기법 리뷰
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/19] 1강. Introduction to Tensorflow
(24. 07. 12. 18:00 ~ 24. 10. 31. 23:59)
[7/22] 2강. Tensorflow's Session & Graph execution
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/22] 3강. Tensorflow v1 : Linear Regression
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/22] 4강. Tensorflow v1 : Regression (1) - 2-Layer Neural-Network
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/22] 5강. Tensorflow v1 : Regression (2) - 2-Layer Neural-Network
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/22] 6강. Tensorflow v1 : Classification (1) - Placeholder
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/23] 7강. Tensorflow v1 : Classification (2) - 실습 소개
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/23] 8강. Tensorflow v1 : Classification (3) - Mini-batch & Placeholder 적용
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/23] 9강. Tensorflow v1 : Classification (4) - Dropout 적용
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/23] 10강. Tensorflow v1 : Classification (5) - Batch-Normalization & He initialization 적용
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/24] 11강. Tensorflow v2 (1) - tf.keras Basic
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/24] 12강. Tensorflow v2 (2) - Flatten layer 활용법 & Auto-Keras 소개
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/24]13강. Tensorflow v2 (3) - Batch-Normalization 적용
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/24] 14강. Tensorflow v2 (4) - Keras Callbacks & ModelCheckpoint
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/24] 15강. Tensorflow v2 (5) - Classification & Regression 요약
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/25] 16강. Tensorflow v2 - Universal Approximation Theorem & Statsmodels
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/25] 17강. 분야별 딥러닝 활용 사례 (1) - Convolutional Neural Network 이론
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/25] 18강. 분야별 딥러닝 활용 사례 (2) - Convolutional Neural Network 참고 자료
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/25] 19강. 분야별 딥러닝 활용 사례 (3) - Convolutional Neural Network 구현 실습
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/26] 20강. 분야별 딥러닝 활용 사례 (4)
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/26] 21강. 분야별 딥러닝 활용 사례 (5)
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/26] 22강. MLDL 관련 추가 실습 (1) - Bayesian-Search HPO with Scikit-Optimize
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/26] 23강. MLDL 관련 추가 실습 (2) - Tensorboard & Colab with GoogleDrive
(24. 07. 19. 18:00 ~ 24. 10. 31. 23:59)
[7/29] 24강. MLDL 관련 추가 실습 (3) - PyCaret for AutoML
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/29] 25강. MLDL 관련 추가 실습 (4) - Keras-Tuner for AutoML
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/29] 26강. MLDL 관련 추가 실습 (5) - Fashion-MNIST & flow_from_directory
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/30] 27강. MLDL 관련 추가 실습 (6) - CIFAR-10 & Transfer-Learning
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/30] 28강. MLDL 관련 추가 실습 (7) - TF Lite & Model Quantization
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/30] 29강. MLDL 관련 추가 실습 (8) - PCA for BreastCancer & Cifar10
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/30] 30강. MLDL 관련 추가 실습 (9) - PyTorch 기반 딥러닝 모델 구현
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/31] Appendix : 실습 (1) - cvlib을 활용한 편리한 얼굴 & 물체 검출
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/31] Appendix : 실습 (3) - 음성인식을 위한 SpeechRecognition + 매크로를 위한 PyAutoGUI
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/31] Appendix : 실습 (4) - 이메일 & 문자메시지 자동발송 + Pyinstaller
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[7/31] Appendix : 추가 학습 자료
(24. 07. 26. 18:00 ~ 24. 10. 31. 23:59)
[8/9] 1강. Keyword로 살펴보는 Web Programming (1)
(24. 08. 02. 18:00 ~ 24. 10. 31. 23:59)
[8/9] 2강. Keyword로 살펴보는 Web Programming (2)
(24. 08. 02. 18:00 ~ 24. 10. 31. 23:59)
[8/9] 3강. django MTV Structure & 중요 django 명령어
(24. 08. 02. 18:00 ~ 24. 10. 31. 23:59)
[8/12] 4강. django 개발환경 세팅 & virtualenv 가상환경 생성
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/12] 5강. 로또 번호 자동 생성 웹서비스 구현 (1) - django project 생성 & settings.py 수정
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/12] 6강. 로또 번호 자동 생성 웹서비스 구현 (2) - django app 생성 & url pattern 정의 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/12] 7강. 로또 번호 자동 생성 웹서비스 구현 (3) - django ORM의 이해 & DB Table 생성 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/13] 8강. 로또 번호 자동 생성 웹서비스 구현 (4) - 관리자 페이지 활용 & Test case 작성법 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/13] 9강. 로또 번호 자동 생성 웹서비스 구현 (5) - django Shell 기능 활용 & templates 연결 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/13] 10강. 로또 번호 자동 생성 웹서비스 구현 (6) - CSS 파일 생성 & Static 파일 HTML 적용
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/13] 11강. 로또 번호 자동 생성 웹서비스 구현 (7) - Model과 Template의 연결 & Form tag 및 input tag의 이해
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/14] 12강. 로또 번호 자동 생성 웹서비스 구현 (8) - django Form 기능을 활용한 비어있는 양식 생성
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/14] 13강. 로또 번호 자동 생성 웹서비스 구현 (9) - HTTP POST request 처리 & DB 저장 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/14] 14강. 로또 번호 자동 생성 웹서비스 구현 (10) - 로또 번호 상세페이지 구현 & URL-Reversing 활용법 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/14] 15강. 로또 번호 자동 생성 웹서비스 구현 (11) - git & github
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/14] 16강. 로또 번호 자동 생성 웹서비스 구현 (12) - Python Anywhere을 활용한 웹서비스 배포 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/16] 1강. Review on previous materials
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/16] 2강. 실시간 설문조사 웹서비스 구현 (1) - virtualenv 가상환경 생성 & django project 및 app 생성
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/16] 3강. 실시간 설문조사 웹서비스 구현 (2) - URL 권한 위임 구현 & DB Table 생성 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/16] 4강. 실시간 설문조사 웹서비스 구현 (3) - django ORM filter & Field lookup 활용 실습
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/16] 5강. 실시간 설문조사 웹서비스 구현 (4) - 설문조사 주제를 보여주는 메인페이지 구현
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/16] 6강. 실시간 설문조사 웹서비스 구현 (5) - 404 에러 페이지 다루기 & URL-Reversing 활용
(24. 08. 09. 18:00 ~ 24. 10. 31. 23:59)
[8/19] 7강. 실시간 설문조사 웹서비스 구현 (6) - 설문조사 투표를 위한 HTML Form 구성
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/19] 8강. 실시간 설문조사 웹서비스 구현 (7) - HTTP POST request 처리 & 설문조사 투표 결과 노출
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/19] 9강. 실시간 설문조사 웹서비스 구현 (8) - 관리자 페이지 Customization 적용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/19] 10강. 실시간 설문조사 웹서비스 구현 (9) - CSS 디자인 & 배경 이미지 적용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/19] 11강. 실시간 설문조사 웹서비스 구현 (10) - 중복된 코드를 줄여주는 템플릿 extends 활용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/20] 12강. 실시간 설문조사 웹서비스 구현 (11) - 관리자 페이지 CSS 디자인 적용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/20] 01강. 10 Steps to create a landing page (1) - Mobirise 활용 GUI 기반 프론트엔드 구현
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/20] 02강. 10 Steps to create a landing page (2) - Django 기반 랜딩페이지 서버 구현
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/20] 01강. Review on previous materials
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/20] 02강. 예측모델 기반 Face detection 웹서비스 구현 (1) - OpenCV 설치 & django project 및 app 생성
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/20] 03강. 예측모델 기반 Face detection 웹서비스 구현 (2) - 이미지 파일 업로드를 위한 django Form 활용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/21] 04강. 예측모델 기반 Face detection 웹서비스 구현 (3) - 유저 업로드 파일 저장을 위한 FileSystemStorage 활용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/21] 05강. 예측모델 기반 Face detection 웹서비스 구현 (4) - 이미지 파일 업로드를 위한 django ModelForm 활용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/21] 06강. 예측모델 기반 Face detection 웹서비스 구현 (5) - 이미지 파일 업로드 처리 및 DB 저장
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/21] 07강. 예측모델 기반 Face detection 웹서비스 구현 (6) - OpenCV 기반 Face detection 적용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/21] 08강. 예측모델 기반 Face detection 웹서비스 구현 (7) - OpenCV 기반 자동 이미지 리사이징 적용
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/21] 09강. 예측모델 기반 Face detection 웹서비스 구현 (8) - requirements.txt & .gitignore
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/22] 10강. 예측모델 기반 Face detection 웹서비스 구현 (9) - Python Anywhere를 활용한 웹서비스 배포 실습
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/22] 11강. 추가 학습 자료 (1) - Review on model saving & loading
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/22] 12강. 추가 학습 자료 (2) - Django & Front-end & Git 관련 추가학습자료 소개
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/22] 13강. 예시 프로젝트 (1) - Scikit-learn & Keras 적용 소스코드 설명
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/23] 14강. 예시 프로젝트 (1) - Web-scraping & CSS Design 적용 소스코드 설명
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/23] 15강. 예시 프로젝트 (2) - HTML 내부 index number 기반 item 출력 소스코드 설명
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/23] 16강. 예시 프로젝트 (3) - Excel 파일 업로드 처리 & Bokeh 기반 시각화 소스코드 설명
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/23] 17강. NLP 예측모델 기반 웹서비스 구현 (1) - 네이버쇼핑 리뷰 텍스트데이터 전처리
(24. 08. 16. 18:00 ~ 24. 10. 31. 23:59)
[8/26] 18강. NLP 예측모델 기반 웹서비스 구현 (2) - TF-IDF & XGBoost 기반 텍스트 감정분류
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/26] 19강. NLP 예측모델 기반 웹서비스 구현 (3) - texts_to_sequences & pad_sequences
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/26] 20강. NLP 예측모델 기반 웹서비스 구현 (4) - Embedding & Bi_LSTM 기반 쇼핑리뷰 감정분류
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/26] 21강. NLP 예측모델 기반 웹서비스 구현 (5) - Embedding & Bi_LSTM 기반 영화리뷰 감정분류
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/27] 22강. NLP 예측모델 기반 웹서비스 구현 (6) - BERT 모델 소개
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/27] 23강. NLP 예측모델 기반 웹서비스 구현 (7) - Multilingual BERT 모델 활용을 위한 데이터전처리
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/27] 24강. NLP 예측모델 기반 웹서비스 구현 (8) - TPU를 활용한 Multilingual BERT 모델 학습 및 예측
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/28] 25강. NLP 예측모델 기반 웹서비스 구현 (9) - TPU를 활용한 KoBERT 모델 학습 및 예측
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/28] 26강. NLP 예측모델 기반 웹서비스 구현 (10) - KoBERT 모델 기반 웹서비스 구현 1
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/28] 27강. NLP 예측모델 기반 웹서비스 구현 (11) - KoBERT 모델 기반 웹서비스 구현 2
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/28] 28강. NLP 예측모델 기반 웹서비스 구현 (12) - KoBERT 모델 기반 웹서비스 구현 3
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[8/28] 29강. NLP 예측모델 기반 웹서비스 구현 (13) - KoBERT 모델 기반 웹서비스 구현 4
(24. 08. 23. 18:00 ~ 24. 10. 31. 23:59)
[10/2] 1-1. Tensor + Numpy + GPU 1 - PyTorch의 Tensor 데이터타입
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/2] 1-2. Tensor + Numpy + GPU 2 - numpy() & from_numpy()
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/2] 2-1. LinearRegression 1 - nn.Module & nn.Parameter
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/2] 2-2. LinearRegression 2 - PyTorch model-training process & Saving+Loading model params
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/2] 3-1. Binaray Classification 1 - nn.Sequential & nn.Sigmoid
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/4] 3-2. Binary Classification 2 - nn.Sequential & nn.BCEWithLogitsLoss
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/4] 4-1. Multi-class Classification 1 - nn.CrossEntropyLoss
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/4] 4-2. Multi-class Classification 2 - TorchMetrics & Non-linearity
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/4] 5-1. Classification & Regression 요약 1 - Classification (Titanic)
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/4] 5-2. Classification & Regression 요약 2 - Regresiion (Boston house price)
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/7] 6-1. TorchVision & DataLoader 1 - Fashion-MNIST & DataLoader
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/7] 6-2. TorchVision & DataLoader 2 - nn.Fatten & DataLoader for mini-batch
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/7] 6-3. TorchVision & DataLoader 3 - nn.Conv2d & nn.MaxPool2d
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/7] 6-4. TorchVision & DataLoader 4 - 모델 성능비교 & 예측결과 시각화
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/8] 7-1. CNN with ImageFolder & DataLoader 1 - ImageFolder 활용법
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/8] 7-2. CNN with ImageFolder & DataLoader 2 - CNN without data-augmentation
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/8] 7-3. CNN with ImageFolder & DataLoader 3 - TrivialAugment
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/8] 7-4. CNN with ImageFolder & DataLoader 4 - CNN with data-augmentation
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/10] 8. Converting source code to modules
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/10] 9-1. Transfer-learning 1 - Introduction to torchvision.models
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/10] 9-2. Transfer-learning 2 - Loading the pre-trained weights
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/10] 9-3. Transfer-learning 3 - Loading the pre-trained model
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/11] 10-1. Tracking multiple experiments 1 - Introduction to Tensorboard
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/11] 10-2. Tracking multiple experiments 2 - Tensorboard for EfficientNet
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/11] 10-3. Tracking multiple experiments 3 - Prepare the multiple esperiments
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/11] 10-4. Tracking multiple experiments 4 - Run the experiments & Compare the results
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/14] 11-1. (Adv) Tracking multiple experiments 1 - EfficientNet_B2 & ConvNeXt_Tiny
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/14] 11-2. (Adv) Tracking multiple experiments 2 - Run the multiple experiments
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/14] 11-3. (Adv) Tracking multiple experiments 3 - Compare the results & Predict on samples
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/14] 11-4. (Adv) Tracking multiple experiments 4 - torch.utils.data.Subset
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/15] 11-5. (Adv) Tracking multiple experiments 5 - Use the full-dataset to get 99% accuracy
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/15] 12-1. Compare the model performance 1 - Introduction to Vision Transformer
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/15] 12-2. Compare the model performance 2 - Train a ViT model on the full-dataset
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/15] 12-3. Compare the model performance 3 - Model size & Inference speed
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/16] 13-1. Model deployment 1 - Prepare the dataset with random_split
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/16] 13-2. Model deployment 2 - Introduction to Gradio
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/16] 13-3. Model deployment 3 - Check the trained model + Weights & Biases
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/17] 13-4. Model deployment 4 - Create a Gradio app with PyTorch model
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
[10/17] 13-5. Model deployment 5 - Deploy the Gradio app with Hugging-Face Spaces
(24. 09. 27. 11:59 ~ 24. 10. 31. 23:59)
마지막 업데이트|2024년 09월 27일
강의자 소개
ICT 이노베이션스퀘어Teacher
강좌 후기
평균평점
0.0
난이도
보통
수강인원
26명
진행 기간
24.05.07 - 24.10.31
소요 시간
960 시간