딥러닝을 위한 파이썬 레벨1
딥러닝을 배우기 위한 파이썬을 배웁니다.
Lecture Introduction
Difficulty
Easy
Category
Programming - AI
Tag
딥러닝, 파이썬
Target Audience
- 딥러닝에 처음 입문하시는 분
- 파이썬을 처음 배우시는 분
- 프로그램 구현 능력이 부족하신 분
- 딥러닝과 파이선을 함께 시작하시고 싶은 분
- 딥러닝 전문 과정에 함께 하고 싶은 분
- 파이썬을 처음 배우시는 분
- 프로그램 구현 능력이 부족하신 분
- 딥러닝과 파이선을 함께 시작하시고 싶은 분
- 딥러닝 전문 과정에 함께 하고 싶은 분
강좌의 특별함
파이썬과 함께 시작하는 딥러닝
딥러닝의 가장 기본기는 프로그래밍 역량이고, 딥러닝을 배우기 위해서 우리가 배워야 할 언어는 파이썬입니다. 이 기본기를 탄탄히 다지지 않고 Scipy, Scikit-learn, OpenCV, TensorFlow, PyTorch와 같은 Library가 제공하는 API만 배우고 딥러닝을 시작하면 바로 한계에 부딪히게 됩니다. 이 강좌에서는 딥러닝을 제대로 시작하기 위한 파이썬을 배울 거예요.
함께 배워볼 거예요
개념 한 방울에 연습 한 트럭
딥러닝을 제대로 배우기 위해서는 반복 훈련이 중요합니다. 필수로 알아야 할 내용은 반복적으로 연습해 볼 거예요. 강좌가 끝날 무렵에는 프로그래밍에 대한 자신감을 얻고, 키보드가 손에 쫙쫙 달라붙는 놀라운 경험을 하게 될 것이며 딥러닝에서 사용되는 기본적인 아이템들과 친해질 수 있을 거예요. 딥러닝 전문가가 되기 위해서 ‘어렵지만 옳은방향’으로 학습을 인도하려고 합니다. 믿고 함께해 주세요!
추천 수강자
이런 분께 추천해요
- 딥러닝에 처음 입문하시는 분
- 파이썬을 처음 배우시는 분
- 프로그램 구현 능력을 기르고 싶은 분
- 딥러닝과 파이선을 함께 시작하고 싶은 분
- 딥러닝 전문 과정에 도전하고 싶은 분
강의자 소개 딥러닝은 저만 믿고 따라오세요
유튜브 채널을 통해 딥러닝에 관한 짧고 굵은 지식을 나누고 있습니다.
- [과학기술정보통신부] AI 이노베이션 스퀘어 - 딥러닝 강사
- [런어데이] 딥러닝을 위한 파이썬 레벨1 강사
- [런어데이] 딥러닝을 위한 파이썬 레벨2 강사
- [런어데이] 데이터 시각화를 위한 파이썬 강사
- [런어데이] Forward Propagation of Neural Networks 강사
- [Youtube] Shin's Lab 운영(신호처리, 수학, 프로그래밍)
- [패스트캠퍼스] 수학적으로 접근하는 딥러닝 강사
- [패스트캠퍼스] Byte Degree: Deep Learning Essentials 리뷰어
- [Edwith] 교수자
- [광운대학교] 파이썬 및 영상처리 세미나 리더
📣 알려드립니다. - Learning 4 Deep Learning(L4DL) 프로젝트의 모든 강좌는 Private Slack 채널을 통해 질의응답을 주고받고 있습니다. - Slack 채널은 이 강좌를 수강하신 모든 분들이 가입하실 수 있으며 가입 신청 방법은 Chapter1에서 확인해 주세요. - 강좌와 관련된 질문은 Slack 채널을 이용해 남겨주세요. 빠르게 확인하고 답변드리겠습니다.
Curriculum
Expand All
- 01Exercise Group.1: 강의 소개 / 변수와 연산자 / 평균과 Mean Subtraction
- 02Exercise Group.2: 분산과 표준편차 / Standardization
- 03Exercise Group.3 벡터 연산
- 04Exercise Group.4: Euclidean Distance, Mean Squared Error
- 05Exercise Group.5: List / Mean Subtraction / Standardization
- 06Exercise Group.6: List / 벡터 연산 / Euclidean Distance / Mean Squared Error
- 07Exercise Group.7: For loop의 기본적인 사용법
- 08Exercise Group.8: For loop / 평균과 Mean Subtraction
- 09Exercise Group.9: For loop / 분산과 표준편차 / Standardization
- 10Exercise Group.10: For loop / 벡터 연산 / Euclidean Distance / Mean Squared Error
- 11Exercise Group.11: If문의 기본적인 사용법
- 12Exercise Group.12: If문 연습 / 최댓값, 최솟값 구하기
- 13Exercise Group.13: 최댓값, 최솟값 구하기 / Normalization / 최댓값, 최솟값 위치 구하기
- 14Exercise Group.14: (미니 프로젝트) Sorting 구현하기
- 15Exercise Group.15: Accuracy / Confusion Vector / Histogram / 절댓값 구하기 / Manhattan Distance
- 16Exercise Group.16: 2차원 Data & Nested List / 학생별, 과목별 평균점수 구하기
- 17Exercise Group.17: 2차원 Data에 대한 Mean Subtraction, Standardization
- 18Exercise Group.18: 2차원 Data에 대한 벡터 연산
- 19Exercise Group.19: 2차원 Data에 대한 Euclidean Distance / 과목별 최고점 ,최우수 학생 구하기 / One-hot Encoding
- 20Exercise Group.20: 2차원 데이터를 이용한 Matrix Operations
- 21Exercise Group.21: Outro
Exercise 1~10 Review
Exercise 11~13
Exercise 11~13 Review
Exercise 14~17
Exercise 14~17 Review
Exercise 18~21
Exercise 18~21 Review
Python and IDEs
Exercise 22~27
Exercise 22~27 Review
Exercise 28~35
Exercise 28~35 Review
Exercise 36~44
Exercise 36~44 Review
Exercise 45~48
Exercise 45~48 Review
Exercise 49~52
Exercise 49~52 Review
Exercise 53~59
Exercise 53~59 Review
Exercise 60~67
Exercise 60~67 Review
Exercise 68~72
Exercise 68~72 Review
Exercise 73~75
Exercise 73~75 Review
Exercise76
Exercise 76 Review
Exercise 77~81
Exercise 77~81 Review
Exercise 82~85
Exercise 82~85 Review
Exercise 86~88
Exercise 86~88 Review
Exercise 89~92
Exercise 89~92 Review
Exercise 93~96
Exercise 93~96 Review
Exercise 97~100
Exercise 97~100 Review
Outro
Recent Update|2021. 03. 02
Lecture Reviews
￦
39,000
Average Rating
0.0
Difficulty
Easy
Lecture Period
Unlimited