[PyTorch] 튜토리얼 목차

                                                                                                   PyTorch 튜토리얼 목차

 1 Getting Started
    • 1.1. PyTorch 소개
    • 1.2. 설치 및 환경 설정
    • 1.3. Tensor 기본 사용법
    • 1.4. Autograd를 이용한 자동 미분
    • 1.5. 간단한 신경망 구현 (MNIST 예제)
 2 Deep Learning with PyTorch
    • 2.1. 데이터 로더와 Dataset
    • 2.2. 모델 정의와 학습 루프
    • 2.3. 손실 함수와 옵티마이저
    • 2.4. 모델 저장 및 로드
    • 2.5. 전이 학습(Transfer Learning)
 3 Vision
    • 3.1. 이미지 분류 (CIFAR-10, ImageNet)
    • 3.2. 객체 검출 (Faster R-CNN, YOLO)
    • 3.3. 이미지 생성 (GAN, VAE)
 4 Text
    • 4.1. 토큰화와 임베딩
    • 4.2. RNN, LSTM, GRU 활용
    • 4.3. Transformer와 BERT
    • 4.4. 텍스트 분류와 생성
 5 Audio
    • 5.1. 오디오 데이터 전처리
    • 5.2. 스펙트로그램과 Mel-frequency Cepstral Coefficients (MFCC)
    • 5.3. 음성 인식 모델
 6 Reinforcement Learning
    • 6.1. 기본 개념과 환경 설정 (OpenAI Gym)
    • 6.2. DQN, Policy Gradient, PPO 등 알고리즘 구현
 7 Production & Deployment
    • 7.1. TorchScript와 모델 최적화
    • 7.2. ONNX 변환
    • 7.3. 모바일 및 임베디드 배포
 8 Advanced Topics
    • 8.1. Distributed Training (DataParallel, DistributedDataParallel)
    • 8.2. Mixed Precision Training
    • 8.3. Custom CUDA Extensions