『모두의 딥러닝 - 머신러닝과 딥러닝 기본』은
수학과 프로그래밍에 대한 부담 없이도 인공지능의 핵심 개념을 익힐 수 있도록 설계된 딥러닝 입문 강의입니다.
이 강의는 머신러닝의 기본 원리부터 인공신경망의 구조와 학습 방식, 그리고 실제 모델이 학습하고 예측하는 전 과정을 구현을 통해 경험할 수 있도록 안내합니다. 넘파이(Numpy)를 활용한 수식 없는 실습 중심 설명과 함께, 퍼셉트론, 오차 역전파, 활성화 함수 등의 개념이 하나씩 쌓이며 자연스럽게 이해되도록 구성되어 있습니다. MNIST 손글씨 숫자 분류 문제를 비롯해, 실제 데이터를 다루며 모델을 만드는 과정을 직접 코딩해보며 딥러닝의 흐름을 몸으로 익히게 됩니다.
개념 → 시각적 설명 → 실습의 3단계 흐름으로, 학습자가 딥러닝 모델의 작동 원리를‘이해하고 설명할 수 있는 수준까지 끌어올립니다.
딥러닝의 본질이 궁금하다면, 지금 이 강의가 그 질문에 가장 친절한 답이 되어줄 것입니다.
Sung Kim (김성훈)
Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다.
10:05미리보기
2.2. [Lab 1] TensorFlow의 설치 및 기본적인 operations
17:30
3.1. Linear Regression의 Hypothesis와 cost
13:30
3.2. [Lab 2] Tensorflow로 간단한 linear regression 구현하기
15:11
4.1. Linear Regression의 cost 최소화 알고리즘의 원리
16:12
4.2. [Lab 3] TensorFlow로 Linear Regression의 cost 최소화 구현하기
15:33
5.1. multi-variable linear regression
17:45
5.2. [Lab 4-1] TensorFlow로 multi-variable linear regression 구현하기
08:02
5.3. [Lab 4-2] TensorFlow로 파일에서 데이타 읽어오기
13:23
6.1. Logistic Classification의 가설 함수
14:57
6.2. Logistic Regression의 cost 함수
14:24
6.3. [Lab 5] TensorFlow로 Logistic Classification 구현하기
15:42
7.1. Multinomial 개념
10:17
7.2. Cost 함수
15:36
7.3. [Lab 6-1] TensorFlow로 Softmax Classification 구현하기
12:41
7.4. [Lab 6-2] TensorFlow로 Fancy Softmax Classification 구현하기
16:31
8.1. 학습 rate, Overfitting, 그리고 일반화 (Regularization)
14:02
8.2. Training/Testing 데이타 셋
09:21
8.3. [Lab 7-1] training/test dataset, learning rate, normalization
11:02
8.4. [Lab 7-2] Meet MNIST Dataset
13:09
9.1. 딥러닝의 기본 개념 1: 시작과 XOR 문제
17:42
9.2. 딥러닝의 기본 개념 2: Back-propagation과 2006/2007‘딥’의 출현
12:37
9.3. [Lab 8] Tensor Manipulation
26:14
10.1. XOR 문제 딥러닝으로 풀기
15:03
10.2. 특별편: 10분 안에 미분 정리하기
09:29
10.3. 딥네트워크 학습 시키기 (backpropagation)
18:28
10.4. [Lab 9-1] XOR을 위한 텐서플로우 딥네트워크
12:29
10.5. [Lab 9-2] Tensor Board로 딥네트워크 들여다보기
12:07
11.1. XSigmoid 보다 ReLU가 더 좋아
17:30
11.2. Weight 초기화 잘해보자
12:18
11.3. Dropout과 앙상블
09:56
11.4. 레고처럼 네트워크 모듈을 마음껏 쌓아 보자
05:09
11.5. [Lab 10] 딥러닝으로 MNIST 98%이상 해보기
14:35
12.1. ConvNet의 Conv 레이어 만들기
16:22
12.2. ConvNet Max pooling과 Full Network
05:33
12.3. ConvNet의 활용 예
12:31
12.4. [Lab 11-1] TensorFlow CNN의 기본
16:30
12.5. [Lab 11-2] TensorFlow로 MNIST 99% 구현하기
12:37
12.6. [Lab 11-3] Class, tf.layers, Ensemble (MNIST 99.5%)
10:07
13.1. NN의 꽃 RNN 이야기
19:43
13.2. [Lab 12-1] RNN - Basic
12:34
13.3. [Lab 12-2] RNN - Hi Hello Training
14:52
13.4. [Lab 12-3] Long Sequence RNN
11:19
13.5. [Lab 12-4] Stacked RNN + Softmax Layer
11:08
13.6. [Lab 12-5] Dynamic RNN
04:08
13.7. [Lab 12-6] RNN with Time Series Data
10:16
14. [보너스 1] Deep Deep Network AWS에서 GPU와 돌려보기 (powered by AWS)
18:13
15. [보너스 2] AWS에서 저렴하게 Spot Instance를 터미네이션 걱정없이 사용하기 (powered by AWS)
17:58
16. [보너스 3]Google Cloud ML을 이용해 TensorFlow 실행하기
21:31
첫 번째 수강평을 남겨주세요!
다른 수강생에게 큰 도움이 됩니다.
100% 100,000원
0원
