Deep Learning and Practice (딥러닝및실습) - CSE533, Fall Semester, 2024


“Student-professor relationships are based on trust. Acts, which violate this trust, undermine the educational process. Your classmates and the professor will not tolerate violations of academic integrity.”


1. Course Schedule & Lecture Notes [수업 실습 코드]

주차 회 Date Lecture Notice
1주차 01 09월 02일(월) - 00. Course Introduction
- 01. Introduction to Deep Learning 강의 노트 		- _01_code 로컬 디렉토리 및 _02_homeworks 로컬 디렉토리 변경 사항 초기화
: git checkout -- _01_code
: git checkout -- _02_homeworks
- link_dl 리포지토리 최신화
: git pull
02 09월 04일(수) - 01. Introduction to Deep Learning
- 02. Development Environment 강의 노트 		- 데이터 (zip 파일) 다운 로드
: 다운받은 zip 파일을 해제하여 _00_data 폴더를 확인 후 link_dl 폴더 하위에 _00_data 폴더 위치 시킴
2주차 03 09월 09일(월) - 03. Real-World Data to Tensors 강의 노트 - 9월 13일 오후 2시 ~ 5시: Tensor 및 Tensor Operators에 관한 특강 (조교) 특강: Zoom 온라인 실시간 강의 강의 노트
- Zoom URL은 EL2 공지사항에 올려 놓았으며, 개별 문자로 발송하였습니다.
04 09월 11일(수) - 03. Real-World Data to Tensors - Homework #1 (기한: 9월 24일 11시 59분) 숙제 설명
3주차 - 09월 16일(월) 휴강 (추석)
05 09월 18일(수) 휴강 (추석)
- 04. Artificial Neuron & Gradient Descent 보강: Zoom 온라인 실시간 강의
4주차 06 09월 23일(월) - 04. Artificial Neuron & Gradient Descent
07 09월 25일(수) - 05. Backpropagation & Autograd
5주차 08 09월 30일(월) - 05. Backpropagation & Autograd
09 10월 02일(수) - 06. FCN (Fully-Connected Network) & Loss Functions
6주차 10 10월 07일(월) - 06. FCN & Loss Functions
111 10월 09일(수) 휴강 (한글날)
- 07. Learning & Optimization 보강: Zoom 온라인 실시간 강의
7주차 12 10월 14일(월) - 08. FCN Best Practice
13 10월 16일(수) - 09. Convolutional Neural Network (CNN)
8주차 14 10월 21일(월) - 09. Convolutional Neural Network (CNN)
15 10월 23일(수) - 10. CNN Architectures
9주차 16 10월 28일(월) - 10. CNN Architectures
17 10월 30일(수) 중간 고사
10주차 18 11월 04일(월) - 11. Advanced Techniques in Deep Learning - I
19 11월 06일(수) - 12. Advanced Techniques in Deep Learning - II
11주차 20 11월 11일(월) - 12. Advanced Techniques in Deep Learning - II
21 11월 13일(수) - 13. Modern CNNs
12주차 22 11월 18일(월) - 13. Modern CNNs
23 11월 20일(수) - 14. Recurrent Neural Network (RNN)
13주차 24 11월 25일(월) - 14. Recurrent Neural Network (RNN)
25 11월 27일(수) - 15. LSTM and Its Application
14주차 26 12월 02일(월) - 15. LSTM and Its Application
27 12월 04일(수) - 16. Transfer Learning
15주차 28 12월 09일(월) - 17. Autoencoders
29 12월 11일(수) - 18. Attention & Transformer
16주차 30 12월 16일(월) - 18. Attention & Transformer
31 12월 18일(수) 기말 고사

2. Course Information


  • - Lecturer: 한연희 교수 (Rm. 2공학관 423호, Email: yhhan@koreatech.ac.kr)
  • - Classes: 월요일 (3, 4교시 - 11:00 ~ 12:50), 수요일 (1, 2교시 - 09:00 ~ 10:50)
  • - Lecture Room: 2공학관 408호
  • - Prerequisites: Python (필수), 인공지능기초및실습, 기계학습및실습

3. Homework Guide


  • - 추후 구체적인 숙제 내용 제시
  • - 숙제 제출 사이트: http://el2.koreatech.ac.kr 의 자유게시판 활용
  • - 숙제 제출 방법 (jupyter notebook 활용)

    • 1) jupyter notebook 환경에서 각 숙제별로 ipynb 파일 생성


    • 2) ipynb 파일 내에 코드를 작성하고 작성한 코드 설명시에 Markdown 문법으로 입력해야 함


    • 3) 생성한 ipynb 파일에 대해 자신만의 방법을 사용하여 온라인상 URL을 생성

      • 로컬 파일을 원격으로 업로드하고 URL을 얻으려면 Google Drive, Dropbox 또는 OneDrive와 같은 클라우드 스토리지 서비스를 사용할 수 있음.
      • 다음은 Google 드라이브에 로컬 파일을 업로드하고 URL을 얻는 단계임:
        1. Google 드라이브 계정에 로그인합니다.
        2. "새로 만들기" 버튼을 클릭하고 "파일 업로드"를 선택합니다.
        3. 선택 업로드할 로컬 파일.
        4. 파일이 업로드되면 파일을 마우스 오른쪽 버튼으로 클릭하고 "링크 가져오기"를 선택합니다.
        5. 팝업 창에서 " 링크가 있는 사람은 누구나 볼 수 있습니다."
        6. 제공된 링크를 복사하면 업로드된 파일의 URL이 됩니다.

    • 4) 다음 사이트에 해당 URL을 입력

      • - http://nbviewer.jupyter.org
      • - 위 nbviewer 사이트를 통하여 보여지는 자신의 숙제를 확인하고 해당 nbviewer URL을 EL2의 자유게시판 본문에 글쓰기로 등록
        • - 따라서, 숙제 등록 URL은 반드시 http://nbviewer.jupyter.org/ 로 시작해야 함.
        • - 숙제 등록 URL 예: http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t9nmklgjkp7w4ok/kmeans.ipynb

    • 5) jupyter notebook 단축키

      • - ESC, a: 현재 셀 바로 위에 새로운 코드 셀 추가
      • - ESC, b: 현재 셀 바로 아래에 새로운 코드 셀 추가
      • - ESC, dd: 현재 셀 삭제
      • - ESC, m: 현재 셀을 markdown 셀로 변환
      • - ESC, y: 현재 셀을 code 셀로 변환
      • - ESC, c: 현재 셀 복사
      • - ESC, y: 현재 셀 잘라내기
      • - ESC, v: 복사하거나 잘라낸 셀을 붙여넣기


4. References


[강의 노트]

  • - 수업 시간 PDF로 제공
    • 강의 노트 프린트 및 서류철/서류집 활용하여 정리하기

[참고 강의 노트]

  • - Deep Learning with PyTorch
  • - Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville. (Free electronic copy available at that website)
  • - 텐초의 파이토치 딥러닝 특강

[보조 교재]

  • - Deep Learning with Pytorch: A 60 Minute Blitz:
  • - Python 익히기:
  • - PyTorch 튜토리얼:

5. Logistics


  • - Attendance: one class absence will result in the deduction of two points out of 100 points. Five absences will not result in ten points deduction, but “failure” (i.e., grade ‘F’) in this course.
  • - Homework: much intensive homework will be set. Any cheating (or copying) will result in grade ‘F’.
  • - Exam: there will be the final examination for the evaluation of the knowledge learned from the class.

6. Lecture Evaluation


  • Attendance (10%), Homework Reports (20%), Midterm Exam. (35%), Final Exam. (35%)