컴퓨터가 스스로 사람처럼 학습할 수 있도록 하는 인공지능(AI) 기술, 딥 러닝은 현재 모든 산업 분야에서 가장 핫한 키워드입니다. 이에 선도적인 AI 기술을 보유하고 있는 엔비디아는 딥 뉴럴 네트워크의 설계부터 훈련, 배포까지 다루는 글로벌 교육 프로그램인 딥 러닝 인스티튜트(NVIDIA DEEP LEARNING INSTITUTE, 이하 DLI)를 통해 최신 딥 러닝 교육을 제공하고 있는데요.
국내에서도 DLI 세션은 매월 진행되고 있습니다. 개발자, 데이터 과학자, IT업계 종사자들의 딥 러닝 교육 수요 또한 계속 증가하고 있지요. 그리하여 최근 엔비디아는 보다 많은 분들이 DLI 강의를 편하게 들을 수 있도록 DLI Self-Paced Lab을 개설했습니다.
DLI Self-Paced Lab은 혼자서도 학습할 수 있는 온라인 강의입니다. DLI Self-Paced Lab에서는 딥 러닝 입문자부터 숙련된 개발자를 위한 강의까지 다양한 강의가 제공되고 있으며, 특히 딥 러닝 입문자용 대표 강의는 무료로 수강하는 것도 가능합니다.
입문자들을 위한 무료 온라인 강의 외에도, Self-Paced Lab에서는 여러 주제와 딥 러닝 프레임워크로 하는 실습 세션을 제공하고 있습니다.
어떠한 강의들을 들어볼 수 있는지 아래에서 확인하고, 나의 맞춤형 강의를 찾아 보세요!
- 강의 확인하러 가기 : https://developer.nvidia.com/dli/onlinelabs
DLI Self-Paced Lab 강의는 아마존 웹 서비스(AWS)및 구글 클라우드(Google Cloud)가 제공하는 글로벌 핸즈온 소프트웨어 트레이닝 실습 플랫폼인 Qwiklabs을 기반으로 합니다. 강의를 수강하기 위해서는 먼저 Qwiklabs 아이디 생성이 필요한데요.
아래 튜토리얼을 따라 간단한 가입 절차부터 시작해 보세요.
[Qwiklabs 가입 방법]
STEP 1. 사이트 접속 https://nvidia.qwiklab.com
STEP 2. 우측 상단의 JOIN 클릭 후 가입하기
입력사항: 이름(First Name), 성(Last Name), 회사, 학교 등의 소속 및 단체(Company Name), 이메일(E-mail), 비밀번호(Password). 로그인 시 사용되는 ID는 기입하신 E-mail 주소입니다.
STEP 3. 인증메일 확인 및 계정 활성화
등록한 메일의 수신함을 열어보면 아래와 같은 인증메일이 도착한 것을 확인할 수 있습니다. 인증메일의 파란색 첫 줄을 클릭해주시면 인증확인이 완료됩니다.
Qwiklabs 가입을 마치셨다면, 이제 DLI Self-Paced Lab 강의들을 수강할 첫 번째 준비도 끝! 개별적인 주제에 대해 실습하고 배울 수 있는 여러 랩(Lab) 중에서 나의 수준에 맞는 관심 있는 강의를 선택해서 수강할 수 있습니다.
아래에서 Lab 실행 방법부터 확인해 보세요.
[Self-Paced Lab 실행 방법]
STEP 1. NVIDIA Self-Paced Lab 페이지에 접속
https://developer.nvidia.com/dli/onlinelabs
STEP 2. 전체 Self-Paced Lab 온라인 강의 중 수강하고 싶은 강의 클릭
STEP 3. 우측 상단의 START LAB을 클릭하여 아마존 서버 켜기
STEP 4. 서버가 켜지는 동안 Instruction 읽기
Instruction에서는 해당 Lab에 대한 설명과 실행 방법을 확인하실 수 있습니다. Self-Paced Lab은 Ipython Notebook(*여러 언어를 포괄하는 프로젝트 Jupyter Notebook 프로그램으로 더 널리 알려져 있는 파이썬 커널)으로 진행되는데요.
Ipython Notebook 노트북은 빈 공책 같은 공간에 파이썬(Python)이라는 언어로 데이터를 확인하고, 대상을 분석한 결과물을 대화하듯이 바로 출력해서 볼 수 있는 데이터 분석 도구입니다. 단순한 메뉴의 인터페이스로 구성되어 있어서 처음 사용하는 사람도 금방 익숙해 질 수 있다는 장점이 있답니다.
Instruction에서 Ipython Notebook의 원활한 접속을 위한 최신 브라우저와 원활한 네트워크 접속 환경을 확인하고 강의를 들어 보세요.
STEP 5. Lab 세팅이 완료된 후 좌측에 생성된 LAUNCH LAB 클릭
Lab을 실행하면 아래와 같이 Ipython Notebook이 실행되며, 강의를 시작할 수 있습니다.
여러 강의들 중에서 어떠한 강의를 들으면 좋을지 고민되신다면 딥 러닝 입문자용에게 추천하는 엔비디아의 대표 Self-Paced Lab 무료 강의부터 들어보세요.
Self-Paced Lab 무료 온라인 강의 2가지!
<Object Detection with DIGITS>
- 강의 시간: 90분 (설치 소요 시간: 4분)
- 강의 대상: 입문자
이 실습 강의에서는 항공사진에서 물체를 탐지하기 위해 DIGITS와 Caffe를 활용하는 방법을 다양한 예제를 통해 학습합니다. 랩에서 제시되는 예시들은 항공 해양사진에서 구체적인 고래 이미지들을 탐지하는 NOAA(미국해양대기관리처) Right Whale Recognition 경진대회(https://www.kaggle.com/c/noaa-right-whale-recognition)에서 영감을 얻은 것인데요.
이 랩을 통해서 항공사진 내 개별 고래를 식별하는 자체 솔루션을 개발해볼 수 있습니다.
이 랩에서는 기존 NOAA Right Whale Recognition 경진대회와는 약간 다르게 문제를 풀어봅니다. 수강생들은 사진 상에서 어떠한 고래가 제시되어 있는지 식별하려고 하기보다는 사진 내에서 고래의 위치를 파악하기 위해 CNN을 트레이닝시킬 것입니다. 고래가 제시되어 있을 수도 있고, 없을 수도 있는 이 문제는 객체 탐지(object detection)이라고 일컬어지는데요. 컴퓨터가 사람이나 차량, 건물 등을 정확히 분간해 낼 수 있게 하는 기술입니다.
기존 대회에서 성공을 거둔 많은 도전자들은 크롭된 이미지와 정규화된 이미지를 사용해서 이미지를 식별하기에 앞서 사진에서 고래를 먼저 탐지하고, 위치를 파악함으로써 높은 점수를 받았습니다.
해당 랩에서는 하기의 문제들을 어떻게 풀어갈 수 있을지 자세히 살펴볼 수 있답니다.
- 이미지들로부터 크롭된 랜덤 이미지를 배경 이미지로 활용할 경우 무엇이 문제가 되는가?
- 이 모델의 분류 정확도를 향상시킬 수 있는 방법은 무엇인가?
- 오버랩된 사각형 그리드에 요구되는 연산 시간이 늘어날 경우 어떻게 대처할 수 있는가?
초심자, 입문자로서 딥 뉴럴 네트워크를 트레이닝하는 방법을 학습하고, 시각화 및 추론에 대한 기본적인 추론을 수행해 보셨다면 이제 초급자 대상의 네트워크를 배포하는 기술을 학습할 수 있는 하기 랩을 확인해 보세요.
암 치료에 도움이 되는 이미지를 분류하든, 자율주행 차량에서 보행자를 피하기 위해 물체를 탐지하는 문제든 모두 뉴럴 네트워크 배포를 통해 해결할 수 있는데요. 아래 랩 소개에서 보다 자세한 내용을 살펴보세요.
<Image Classification with DIGITS>
- 강의 시간: 115분 (설치 소요 시간: 2분)
- 강의 대상: 입문자
- 프레임워크: Caffe
DIGITS는 엔비디아가 자체 개발한 딥 러닝 프레임워크로, 복잡한 코딩 없이 딥 러닝을 돌려볼 수 있습니다. 이 강의에서는 DIGITS을 통해 라벨링된 클린 데이터를 활용해서 뉴럴 네트워크를 트레닝하는 방법과 강화 학습된 이미지 분류 작업(Supervised Image Classifacation)을 통한 딥 러닝 실습 방법을 학습할 수 있습니다.
- 뉴럴 네트워크 트레이닝을 위해 데이터를 로드하는 방법
- 데이터로 모델을 트레이닝시키는 방법
- 새로운 데이터로 테스트 및 반복 작업 수행으로 성능을 향상시키는 방법
을 학습하고 싶다면 본 강의를 들어보세요.
해당 강의에 대한 더 자세한 내용은 엔비디아 블로그의 <무료로 오픈한 엔비디아 딥 러닝 강의에서는 무엇을 공부할 수 있을까?> 편을 참고해 주세요.