01 Chapter 0 오리엔테이션
수업 소개와 개요
현재 설치하시는 텐서플로는 2.x 버전입니다. 1.x 버전의 텐서플로를 사용하시려면 최상단에 아래 코드를 꼭 삽입해주시기 바랍니다.
실행 언어: py3
질문하기
추가 자료
추가 자료가 없습니다
여기서 새로운 학습 자료를 확인하세요!
선생님이 추가한 자료들을 바로 확인할 수 있어요.
모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝
- 01Chapter 0 오리엔테이션
- 02Chapter 1 머신러닝의 개념과 용어
- 03Chapter 2 Linear Regression의 개념
- 04Chapter 3 Linear Regression cost 함수 최소화
- 05Chapter 4 여러개의 입력(feature)의 Linear Regression
- 06Chapter 5 Logistic(Regression) Classification
- 07Chapter 6 Softmax Regression (Multinomial Logistic Regression)
- 08Chapter 7 ML의 실용과 몇가지 팁
- 09Chapter 8 딥러닝의 기본 개념과 문제 그리고 해결
- 10Chapter 9 Neural Network 1: XOR 문제와 학습방법, Backpropagation
- 11Chapter 10 Neural Network 2: ReLU and 초기값 정하기 (2006/2007 breakthrough)
- 12Chapter 11 Convolutional Neural Networks
- 13Chapter 12 Recurrent Neural Network
- 14[BONUS] Deep Deep Network AWS에서 GPU와 돌려보기 (powered by AWS)
- 15[BONUS] AWS에서 저렴하게 Spot Instance를 터미네이션 걱정없이 사용하기 (powered by AWS)
- 16[BONUS] Google Cloud ML을 이용해 TensorFlow 실행하기
수업 소개와 개요
텐서플로 2.x 버전 코드 다운로드
기본적인 Machine Learning의 용어와 개념 설명
TensorFlow의 설치 및 기본적인 operations (new)
Linear Regression의 Hypothesis와 cost
TensorFlow로 간단한 Linear Regression을 구현 (new)
Linear Regression의 cost 최소화 알고리즘의 원리 설명
Linear Regression의 cost 최소화의 TensorFlow 구현 (new)
multi-variable Linear Regression (new)
[lab 04-1] multi-variable Linear Regression을 TensorFlow에서 구현하기
[lab 04-2] TensorFlow로 파일에서 데이터 읽어오기 (new)
Logistic Classification의 가설 함수 정의
Logistic Regression의 cost 함수 설명
[lab 05] TensorFlow로 Logistic Classification의 구현하기 (new)
Multinomial 개념 소개
Cost 함수 소개
[lab 06-1] TensorFlow로 Softmax Classification의 구현하기 (new)
[lab 06-2] TensorFlow로 Fancy Softmax Classification의 구현하기 (new)
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)
딥러닝의 기본 개념: 시작과 XOR 문제
딥러닝의 기본 개념2: Back-propagation과 2006/2007 '딥'의 출현
[lab 08] Tensor Manipulation (new)
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)
XSigmoid 보다 ReLU가 더 좋아
Weight 초기화 잘해보자
Dropout과 앙상블
레고처럼 넷트웍 모듈을 마음껏 쌓아 보자
[lab 10] 딥러닝으로 MNIST 90%이상 해보기 (new)
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%)
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)
TensorFlow를 AWS에서 GPU와 함께 돌려보자
AWS에서 저렴하게 Spot Instance를 터미네이션 걱정없이 사용하기
Google Cloud ML with Examples 1
수업 소개와 개요