챕터별 상세
00:00
Functional API와 비순차적 모델의 필요성
기존의 Sequential 모델은 입력을 레이어 순서대로 통과시키는 단순한 방식이다. 하지만 객체 탐지와 같이 객체와 바운딩 박스를 동시에 예측해야 하는 복잡한 애플리케이션에서는 다중 입력, 다중 출력, 루프가 포함된 비순차적 모델이 필요하다. TensorFlow의 Functional API를 사용하면 이러한 복잡한 아키텍처를 자유롭게 설계하고 제어할 수 있다.
Sequential API는 레이어를 선형으로 쌓는 방식이며, Functional API는 그래프 구조의 복잡한 모델을 정의할 때 사용된다.
02:51
커스텀 레이어 및 학습 루프의 세밀한 제어
TensorFlow에 내장된 레이어나 손실 함수에 국한되지 않고 사용자 정의 레이어와 손실 함수를 직접 구현하는 방법을 다룬다. model.fit 내부의 학습 루프를 직접 열어 GradientTape와 Autograph를 활용하는 기법을 학습한다. 이를 통해 모델의 학습 과정을 로우 레벨에서 세밀하게 제어하고 최적화할 수 있는 능력을 갖춘다.
GradientTape는 TensorFlow에서 자동 미분을 수행하기 위해 연산을 기록하는 도구이다.
03:30
분산 학습 전략과 하드웨어 최적화
모델 규모가 커짐에 따라 여러 하드웨어 자원을 활용하는 데이터 병렬 처리가 필수적이다. 여러 개의 GPU나 TPU 코어에 걸쳐 학습을 분산시키는 전략을 학습한다. 각 코어에서 손실(loss)이 어떻게 계산되고 동기화되어 전체 모델의 성능을 향상시키는지 실습을 통해 파악한다.
분산 학습은 대규모 모델을 여러 가속기(GPU/TPU)에서 동시에 학습시켜 시간을 단축하는 기법이다.
04:06
고급 컴퓨터 비전 및 생성형 모델 실습
이미지 세그멘테이션, 객체 탐지, 컨볼루션 시각화 등 실무에서 유용한 고급 비전 기술을 다룬다. 또한 Style Transfer, Autoencoder, VAE, GAN과 같은 생성형 딥러닝 기법을 실습한다. 특히 GAN을 활용하여 새로운 콘텐츠를 생성하고 모델의 내부 작동 원리를 시각적으로 해석하는 과정을 경험한다.
VAE(Variational Autoencoder)와 GAN(Generative Adversarial Networks)은 대표적인 생성형 AI 모델 아키텍처이다.
05:11
수강을 위한 선수 지식 및 권장 사항
본 과정을 원활히 따라오기 위해서는 Python 프로그래밍과 기본적인 TensorFlow 지식이 필요하다. Functional API를 기초부터 다루지만, Sequential 모델과 컨볼루션에 대한 이해가 전제되어야 한다. 따라서 'TensorFlow Developer Specialization'을 먼저 수강하여 기본기를 다진 후 본 고급 과정에 참여하는 것을 강력히 권장한다.
기초 과정에서 Sequential 모델을 익혔다면, 이 과정은 그 다음 단계인 고급 아키텍처를 다룬다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 02. 26.수집 2026. 02. 26.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
