• 이 과정은 최근  인공지능(Artificial Intelligence; A.I.) 지능 영역에서 발전단계에 있는 딥러닝(Deep Learning)단계에서 가장 활성화되어 가고 있는 TensorFlow 기초 과정입니다.
• 딥러닝(Deep Learning)  단계에서는 Open Source Software기반의 기본적인 TensorFlow 프로그래밍 기초 지식을 학습해 가기 위해 많은 지식들을 필요로 합니다.
• 따라서, 이 과정은 기본적으로 갖추어야 할 TensorFlow 프로그래밍을 할 수 있도록 기초적인 프로그래밍 지식인 Python의 자료구조, Numpy의 행렬연산, matplotlib의 그래프 처리, TensorFlow의 실행과정, 선형/곡선형 자료,군집자료에 대해 학습합니다.

• Python 기초를 하시면서, TensorFlow 기초를 학습하고자 하시는 분
• TensorFlow 를 이해를 위해 기초 지식을 습득하고자 하는 개발자 및 관리자
• TensorFlow 에서의 행렬 연산에 대해 이해하고자 하는 분
• TensorFlow 에서 선형/곡선형, 군집자료에 대한 그래프 처리에 이해가 필요하신 분

Day 01

Module 01 TensorFlow 와 Python

• 딥러닝(Deep Learning)과TensorFlow
• Python, Numpy, TensorFlow의 개요
• TensorFlow 개발 환경 구성

Module 02 Python 자료구조와 핵심

• 자료형의 의미와 종류
• 저장공간과 변수
• 리스트, 튜플, 딕셔너리

Module 03 Python 연산, 함수, 클래스

• 연산 처리
• 제어문(조건문, 반복문)
• 함수 처리

Day 02

Module 04 클래스 와 모듈 활용

• 클래스와 객체의 의미
• 생성자와 멤버
• 모듈과 패키지 활용

Module 05 파일 다루기

• Data 파일의 종류
• 파일 연결과 처리
• 파일 읽고 쓰기

Module 06 Numpy 배열

• 배열과 Numpy
• 행렬과 형태
• 배열 집계와 정렬

Day 03

Module 07 Data 구조와 변환

• Data 구조 이해
• Data  집계와 정렬
• Data 구조 변환

Module 08 그래프 활용

• matplotlib 모듈 개요
• matplotlib.pyplot 그래프 처리
• 분포 그래프

Module 09 Tensor 자료 구조 이해

• Tensor와 numpy
• 1차원, 2차원 Tensor
• Broadcasting과 Reshape

Day 04

Module 10 Tensor 자료 입력

• 선형 회귀 개요
• Code 작성 절차 이해
• Code 구현

Module 11 형회귀(Linear Regression)

• MNIST Data 의 활용
• Data 구조 이해

Day 05

Module 12 MNIST 자료 활용

• MNIST Data 의 활용
• Data 구조 이해

Module 13 Data 군집화

• K-평균(Means)  개요
• Code 작성 절차 이해
• Code 구현

• [파이썬(Python) 1] 프로그래밍 기본 [H0BG0S]