[Pytorch] 쉽고 빠르게 배우는 딥러닝 - goormEDU

[Pytorch] 쉽고 빠르게 배우는 딥러닝

딥러닝의 기본 뼈대인 MLP부터 CNN과 RNN을 쉽고 빠르게 배워보세요

Lecture Introduction
Difficulty
Normal
Category
Programming - AI
Tag
pytorch, 딥러닝, 인공지능, 알고리즘, 딥러닝모델, MLP, CNN, RNN, 파이토치
Target Audience
- Neural Network의 기초를 확실하게 배우고 싶은 분
- 딥러닝에 대해 공부하고 싶으신 분
- 파이썬에 대한 기본 지식을 갖추신 분
- Machine Learning에 대한 기본 학습을 진행하신 분


인공지능을 공부하고 계신다면
딥러닝 모델을 공부해야 한다는 것은
너무 잘 알고 계실 겁니다

하지만
왜 배워야 하는지 궁금하지 않으셨나요?





요즘 이야기하는 인공지능,
대부분 딥러닝 모델을 활용합니다


딥러닝의 기초가 되는 Neural Network는
꽤 오래됐지만 학습 특성상 주목받진 않았습니다
하지만 지금은 다릅니다

지금부터 저와 함께 딥러닝은 왜 주목받게 되었으며
딥러닝의 특징과 Neural Network는 무엇인지,

더 나아가 딥러닝의 기본 모델로 불리우는
Convolution Neural Network와
Recurrent Neural Network에 대해 배워봅시다



이런 내용을 배울 겁니다

첫 번째, Multi Layer Perceptron

최초의 인공지능이라 불리는 Perceptron과
그 한계점, 나아가 이를 극복한 MLP를 학습합니다

MLP는 Neural Network의 기본 구조입니다


강좌에서 MLP의 학습 알고리즘을 배우고,
Feed Forward와 Back Propagation에
대한 개념과 장단점을 살펴봅시다

 

두 번째, 딥러닝에 대한 정의

딥러닝의 정의를 알아보며 일반적인 Neural
Network와의 차이점을 집중적으로 알아봅시다

NN의 단점인 Gradient Vanighing/Overfitting
문제를 완화시킬 수 있는 Activation Function,
Drop out, Batch Normalization을 학습합니다


나아가 단순 분류를 넘어 새로운 Feature에 대해
학습할 수 있는 Auto-Encoder까지 다룹니다



세 번째, CNN

Convolutional Neural Network,
줄여서 CNN이라 말하는 이 모델은 딥러닝 역사를
돌아보았을 때 가장 많이 발전한 모델일겁니다

학습 알고리즘의 특성에 대해 얘기하고 일반적인
NN과의 차이점에 대해 다루겠습니다

또한, CNN의 성능을 높이기 위한 다양한
아키텍쳐(Resnet, Densenet), initialization,
optimizer 기법 및 transfer learning에 대해
짚어보고자 합니다



마지막, RNN

Recurrent Neural Network,
줄여서 RNN이라 말하는 이 텍스트 모델의 기초와
LSTM에 대해 알아봅시다






빠뜨리면 섭섭한 논문 리뷰