메뉴 바로가기 검색 및 카테고리 바로가기 본문 바로가기

모두를 위한 딥러닝 - 머신러닝과 딥러닝 기본

  • 강사 : Sung Kim (김성훈)
  • 강의구성 : 50강 / 11시간 26분
  • 수강기간 : 제한없음 / 30일(권장기간)
초급 초중급 중급 중고급 고급

딥러닝, 꼭 어려워야 할까?


『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) 강사

Sung Kim (김성훈)

Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다.

11. 수업 소개와 개요10:05
22.1. 기본적인 Machine Learnig의 용어와 개념 설명12:29
32.2. [Lab 1] TensorFlow의 설치 및 기본적인 operations17:30
43.1. Linear Regression의 Hypothesis와 cost13:30
53.2. [Lab 2] Tensorflow로 간단한 linear regression 구현하기15:11
64.1. Linear Regression의 cost 최소화 알고리즘의 원리16:12
74.2. [Lab 3] TensorFlow로 Linear Regression의 cost 최소화 구현하기15:33
85.1. multi-variable linear regression17:45
95.2. [Lab 4-1] TensorFlow로 multi-variable linear regression 구현하기8:02
105.3. [Lab 4-2] TensorFlow로 파일에서 데이타 읽어오기13:23
116.1. Logistic Classification의 가설 함수14:57
126.2. Logistic Regression의 cost 함수14:24
136.3. [Lab 5] TensorFlow로 Logistic Classification 구현하기15:42
147.1. Multinomial 개념10:17
157.2. Cost 함수15:36
167.3. [Lab 6-1] TensorFlow로 Softmax Classification 구현하기12:41
177.4. [Lab 6-2] TensorFlow로 Fancy Softmax Classification 구현하기16:31
188.1. 학습 rate, Overfitting, 그리고 일반화 (Regularization)14:02
198.2. Training/Testing 데이타 셋9:21
208.3. [Lab 7-1] training/test dataset, learning rate, normalization11:02
218.4. [Lab 7-2] Meet MNIST Dataset13:09
229.1. 딥러닝의 기본 개념 1: 시작과 XOR 문제17:42
239.2. 딥러닝의 기본 개념 2: Back-propagation과 2006/2007‘딥’의 출현12:37
249.3. [Lab 8] Tensor Manipulation26:14
2510.1. XOR 문제 딥러닝으로 풀기15:03
2610.2. 특별편: 10분 안에 미분 정리하기9:29
2710.3. 딥네트워크 학습 시키기 (backpropagation)18:28
2810.4. [Lab 9-1] XOR을 위한 텐서플로우 딥네트워크12:29
2910.5. [Lab 9-2] Tensor Board로 딥네트워크 들여다보기12:07
3011.1. XSigmoid 보다 ReLU가 더 좋아17:30
3111.2. Weight 초기화 잘해보자12:18
3211.3. Dropout과 앙상블9:56
3311.4. 레고처럼 네트워크 모듈을 마음껏 쌓아 보자5:09
3411.5. [Lab 10] 딥러닝으로 MNIST 98%이상 해보기14:35
3512.1. ConvNet의 Conv 레이어 만들기16:22
3612.2. ConvNet Max pooling과 Full Network5:33
3712.3. ConvNet의 활용 예12:31
3812.4. [Lab 11-1] TensorFlow CNN의 기본16:30
3912.5. [Lab 11-2] TensorFlow로 MNIST 99% 구현하기12:37
4012.6. [Lab 11-3] Class, tf.layers, Ensemble (MNIST 99.5%)10:07
4113.1. NN의 꽃 RNN 이야기19:43
4213.2. [Lab 12-1] RNN - Basic12:34
4313.3. [Lab 12-2] RNN - Hi Hello Training14:52
4413.4. [Lab 12-3] Long Sequence RNN11:19
4513.5. [Lab 12-4] Stacked RNN + Softmax Layer11:08
4613.6. [Lab 12-5] Dynamic RNN4:08
4713.7. [Lab 12-6] RNN with Time Series Data10:16
4814. [보너스 1] Deep Deep Network AWS에서 GPU와 돌려보기 (powered by AWS)18:13
4915. [보너스 2] AWS에서 저렴하게 Spot Instance를 터미네이션 걱정없이 사용하기 (powered by AWS)17:58
5016. [보너스 3]Google Cloud ML을 이용해 TensorFlow 실행하기21:31

전체 평점
0
  • 첫번째 수강 후기를 작성해주세요.


  • 결재하기

    오탈자 등록

    닫기
    * 도서명 :
    모두를 위한 딥러닝 - 머신러닝과 딥러닝 기본
    * 구분 :
    * 상품 버전
    종이책 PDF ePub
    * 페이지 :
    * 위치정보 :
    * 내용 :
    닫기

    해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
    장바구니로 이동하시겠습니까?