수업 소개와 개요 - 모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝
모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝
    • 01
      Chapter 0 오리엔테이션
    • 수업 소개와 개요
      텐서플로 2.x 버전 코드 다운로드
    • 02
      Chapter 1 머신러닝의 개념과 용어
    • 기본적인 Machine Learning의 용어와 개념 설명
      TensorFlow의 설치 및 기본적인 operations (new)
    • 03
      Chapter 2 Linear Regression의 개념
    • Linear Regression의 Hypothesis와 cost
      TensorFlow로 간단한 Linear Regression을 구현 (new)
    • 04
      Chapter 3 Linear Regression cost 함수 최소화
    • Linear Regression의 cost 최소화 알고리즘의 원리 설명
      Linear Regression의 cost 최소화의 TensorFlow 구현 (new)
    • 05
      Chapter 4 여러개의 입력(feature)의 Linear Regression
    • multi-variable Linear Regression (new)
      [lab 04-1] multi-variable Linear Regression을 TensorFlow에서 구현하기
      [lab 04-2] TensorFlow로 파일에서 데이터 읽어오기 (new)
    • 06
      Chapter 5 Logistic(Regression) Classification
    • Logistic Classification의 가설 함수 정의
      Logistic Regression의 cost 함수 설명
      [lab 05] TensorFlow로 Logistic Classification의 구현하기 (new)
    • 07
      Chapter 6 Softmax Regression (Multinomial Logistic Regression)
    • Multinomial 개념 소개
      Cost 함수 소개
      [lab 06-1] TensorFlow로 Softmax Classification의 구현하기 (new)
      [lab 06-2] TensorFlow로 Fancy Softmax Classification의 구현하기 (new)
    • 08
      Chapter 7 ML의 실용과 몇가지 팁
    • 학습 rate, Overfitting 그리고 일반화 (Regularization)
      Training/Testing 데이타 셋
      [lab 07-1] training/test dataset, learning rate, normalization (new)
      [lab 07-2] Meet MNIST Dataset (new)
    • 09
      Chapter 8 딥러닝의 기본 개념과 문제 그리고 해결
    • 딥러닝의 기본 개념: 시작과 XOR 문제
      딥러닝의 기본 개념2: Back-propagation과 2006/2007 '딥'의 출현
      [lab 08] Tensor Manipulation (new)
    • 10
      Chapter 9 Neural Network 1: XOR 문제와 학습방법, Backpropagation
    • XOR 문제 딥러닝으로 풀기
      특별편: 10분안에 미분 정리하기
      딥넷트웍 학습 시키기 (backpropagation)
      [lab 09-1] XOR을 위한 텐서플로우 딥넷트웍 (new)
      [lab 09-2] Tensor Board로 딥네트웍 들여다보기 (new)
    • 11
      Chapter 10 Neural Network 2: ReLU and 초기값 정하기 (2006/2007 breakthrough)
    • XSigmoid 보다 ReLU가 더 좋아
      Weight 초기화 잘해보자
      Dropout과 앙상블
      레고처럼 넷트웍 모듈을 마음껏 쌓아 보자
      [lab 10] 딥러닝으로 MNIST 90%이상 해보기 (new)
    • 12
      Chapter 11 Convolutional Neural Networks
    • ConvNet의 Conv 레이어 만들기
      ConvNet Max pooling과 Full Network
      ConvNet의 활용 예
      [lab 11-1] TensorFlow CNN의 기본
      [lab 11-2] TensorFlow로 구현하자 (MNIST 99%)
      [lab 11-3] Class, tf.layers, Ensemble (MNIST 99.5%)
    • 13
      Chapter 12 Recurrent Neural Network
    • NN의 꽃 RNN 이야기
      [lab 12-1] RNN - Basic (new)
      [lab 12-2] RNN - Hi Hello Training (new)
      [lab 12-3] Long Sequence RNN (new)
      [lab 12-4] Stacked RNN + Softmax Layer (new)
      [lab 12-5] Dynamic RNN (new)
      [lab 12-6] RNN with Time Series Data (new)
    • 14
      [BONUS] Deep Deep Network AWS에서 GPU와 돌려보기 (powered by AWS)
    • TensorFlow를 AWS에서 GPU와 함께 돌려보자
    • 15
      [BONUS] AWS에서 저렴하게 Spot Instance를 터미네이션 걱정없이 사용하기 (powered by AWS)
    • AWS에서 저렴하게 Spot Instance를 터미네이션 걱정없이 사용하기
    • 16
      [BONUS] Google Cloud ML을 이용해 TensorFlow 실행하기
    • Google Cloud ML with Examples 1
    수업 소개와 개요
    01 Chapter 0 오리엔테이션
    수업 소개와 개요
    Q & A
    Q&A forum that anyone can ask and answer.
    Share your questions and answers with other students and grow together!

    Registered Questions(0)