머신러닝: 컴퓨터 비전과 생성형 AI로 구현하는 이미지 인식·객체 탐지

02

1-2차시 이 강의를 성공적으로 수강하는 방법

03

1-3차시 코드를 어디서 받을 수 있나요?

04

2-1차시 분류 섹션 개요

05

2-2차시 개념: 사전 학습된 이미지 분류기

06

2-3차시 Python에서의 사전 학습된 이미지 분류기

07

2-4차시 전이 학습 및 파인튜닝

08

2-5차시 이미지 분류기 파인튜닝 with 파이썬

09

2-6차시 분류 연습

10

2-7차시 강의 관련 피드백 안내

11

3-1차시 객체 탐지 개요

12

3-2차시 개념: 객체 탐지

13

3-3차시 출력 해석: IoU, 비최대 억제, 신뢰도 점수

14

3-4차시 Python에서의 사전 학습된 객체 탐지

15

3-5차시 Focal Loss 및 Smooth L1 Loss

16

3-6차시 객체 탐지 데이터셋 포맷 (COCO & Pascal VOC)

17

3-7차시 LabelImg 설정

18

3-8차시 LabelImg 데모

19

3-9차시 데이터 증강

20

3-10차시 KerasCV 객체 탐지 데이터셋 포맷

21

3-11차시 파이썬 객체 탐지 파인튜닝: 내장 데이터셋

22

3-12차시 파이썬 객체 탐지 파인튜닝: 사용자 정의 데이터셋

23

3-13차시 객체 탐지 연습

24

4-1차시 스테이블 디퓨전 개요

25

4-2차시 스테이블 디퓨전으로 이미지 생성하기

26

4-3차시 디퓨전 모델은 어떻게 작동하나요? (선택)

27

4-4차시 디퓨전 모델 아키텍처: Unet

28

4-5차시 디퓨전 모델의 프롬프트 조건 설정

29

4-6차시 디퓨전 모델 소스 코드 살펴보기 (선택)

30

5-1차시 아나콘다 환경 설정

31

5-2차시 Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, TensorFlow 설치 방법

32

6-1차시 초보자를 위한 코딩 팁

33

6-2차시 기초 프로그래밍: 머신러닝 알고리즘

34

6-3차시 기초 프로그래밍: TDD의 개념 테스트 코드 설계

35

6-4차시 Jupyter Notebook으로 학습해야 할까요?

36

7-1차시 머신러닝 학습 로드맵 소개-1

37

7-2차시 머신러닝 학습 로드맵 소개-2

38

8-1차시 강의 관련 부가 자료 안내