딥러닝 이론이 어느 정도 완성됐다면?
레전드 논문들 🔥완벽 정리🔥 해서 
내 거로 만들어야죠!

✅ 딥러닝의 핵심 분류 모델 13 개를 깊게 파헤치고 파이토치로 모델 구현까지!
✅ 'ResNet, EfficientNet 등 파이토치 구현 프로젝트'로 여러분 포트폴리오를 더욱 빛나게!
✅ 라이브 못 오시는 날은 녹화본 제공! 
✅ 녹화본으로만 수강하시는 것도 가능합니다! (평생 수강 가능)

📌 장소: 줌 미팅
📌 일시: 3 일간 세 시간씩, 총 9 시간 
+ 질문 시간 n 시간까지 실질적으로 11시간 정도의 강의로 보시면 됩니다!
📌 정확한 날짜는 아래 버튼 클릭!

📌 교육비: 10.9 만원
- 견적서, 영수증, 수료증, 거래명세서 발급 가능합니다.
- 재수강은 반값 할인!

✔ 첫날에 강의 자료 pdf와 코드 전체를 드려요!
✔ 구현은 구글 코랩, 파이토치로 진행
✔ 기수 별 단톡방 개설, 예/복습할 수 있는 영상을 공유드리는 <혁펜하임 오마카세>
✔ 단톡방 통해서 (수업 내용 관련해서는) 평생 질문 가능
✔ 한 시간마다 2-3명씩 돌아가며 집중케어
(마이크 사용이 가능한 환경인 분들에 한함)
(참여 유도 & 질문이 자유로운 분위기 조성)

※ 아래 수업을 듣지 않고 이 수업을 참여하시면 바보로 느껴질 수 있습니다.

✅ LEVEL 0
- AI를 위한 기초 수학 (무료 공개!)
- 인스톨! 파이썬 (무료 공개!)

✅ LEVEL 1
- Easy! 딥러닝 (무료 공개!)
- 인스톨! 파이토치

물론, 위 수업들에서 다루는 내용들을
이미 따로 공부하셨다면
문제 없이 수강 가능하십니다!

< Day 1: CNN basic 마스터하기 >
0. CNN 리뷰
  - CNN은 어떻게 인간의 사고방식을 흉내냈을까?
  - 컨볼루션의 동작 방식
  - FC layer와의 비교 분석
  - CNN은 어떻게 특징을 추출할까?
  - 어떤 특징을 추출할지를 AI가 알아낸다!
  - 1x1 컨볼루션 직관적으로 이해하기
  - Padding & Stride & Pooling
  - CNN의 feature map 실험 결과 분석 
  - Beautiful insights for CNN 
    - Receptive field 개념과 여러번 conv layer 통과하는 이유
    - 3x3 두 번과 5x5 한번의 차이를 세가지 측면에서 비교
    - 이외 CNN 관련한 고찰
1. VGG Net (2014.09)
2. Inception Net (2014.09)
3. Inception Net v2,3 (2015.12)
    (Label smoothing)

< Day 2: ResNet은 왜 아직도 사랑받는 모델인가 >
4. ResNet (2015.12)
  - Loss Landscape 관점 해석 (2017.12)
  - ResNet은 앙상블 모델이다 (2016.05)
  - Full pre-activation (2016.03)
5. Inception Net v4 (2016.02)
  - Inception-ResNet v1,2 (2016.02)
6. WideResNet (2016.05)
7. ResNeXt (2016.11)
    (Grouped Convolution)
8. DenseNet (2016.08)

< Day 3: To The Efficient Net >
9. SE-Net (2017.09)
10. MobileNet v1 (2017.04)
     (Depthwise Separable Convolution)
11. MobileNet v2 (2018.01)
12. MobileNet v3 (2019.05)
13. EfficientNet (2019.05)

📌그리고 위 모델 13개 모두에 대해
빠짐없이 모델 구현도 합니다.
<< from scractch 로 훈련 및 테스트할 수 있는 코드도 함께 제공 >>

✔ 단순히 깃허브에서 긁어온 코드가 아닙니다.
이해하기 쉽도록 새롭게 다시 짰습니다.

Object detection을 지배한 YOLO의 기반은 VGG Net이고 
Segmentation의 가장 중요한 모델인 U-Net은 DenseNet의 변형일 뿐입니다.

또, 트랜스포머는 ResNet의 skip-connection을 사용하고 인셉션넷의 Label smoothing 기법을 적용했습니다.

이처럼 최신 모델에서는 이전의 유명 모델들은 안다 치고 설명 없이 바로 도입되기 때문에 필수적으로 알고 계셔야 한다고 생각합니다.

하지만, 혼자서 이 모든 모델들을 공부하고 구현까지 해보시기에는 너무나 많은 시간이 소모될 겁니다.

그래서 이 강의를 준비했습니다.

딱 3시간씩 3일만 빡세게 집중해서 빠르게 정리 끝내고 더 최신 모델 공부하러 갑시다!!

그 어떤 블로그 설명보다 더 자세하도록 자료를 만들었고,
그 어떤 github 코드보다 더 이해하기 쉽도록 코드를 짰습니다.
몇 달 동안 정말 공을 들여 만든 자료들이니 100% 만족하실 겁니다!

혼자 여기저기 검색해 가며 공부하시느라
시간은 시간대로 깨지고 
고생은 고생대로 하지 마시고
이 강의 하나로 끝내십시오.