딥러닝을 위한 파이썬 레벨1 - goormEDU

딥러닝을 위한 파이썬 레벨1

딥러닝을 배우기 위해 파이썬의 기본적인 능력을 배양하는 강좌입니다.

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

딥러닝에서 반드시 알아야 할 것들을 파이썬과 함께 기초부터 배워보세요!

📣 공지사항• 본 강좌는 Learning 4 Deep Learning(L4DL)의 모든 강좌와 통합된 Private Slack 채널에서 함께 운영되고 있습니다. 강좌를 신청하신 뒤 섹션0 - 수업2: 슬랙 (Slack) 커뮤니티 가입 신청에서 가입하실 수 있습니다.
• 질문&답변은 슬랙 채널에 남겨주시면 보다 빠르게 확인해드리고 있습니다.

Learning 4 Deep Learning
Project Curriculum📑

[전체화면 링크]






딥러닝의 기본기!

딥러닝 강의를 하다보면 정말 다양한 분야에서 일하는 다양한 전공을 가진 분들이 딥러닝을 배우고 싶어한다는 걸 알게 됩니다.
그럼 모두 같이 딥러닝을 시작할 수 있을까요? 아쉽게도 아닙니다.

딥러닝을 시작하기 위해선 이 분야와 관련된 기본적인 지식과 기술들을 가지고 시작해야 합니다.
딥러닝의 가장 기본기는 프로그래밍 능력입니다. 그리고 우리가 배워야 할 프로그래밍 언어는 바로 파이썬입니다.
많은 분들이 이 기본기를 탄탄히 다지지 않고 딥러닝을 배우려고 합니다.
  • Scipy
  • Scikit-learn
  • OpenCV
  • TensorFlow
  • PyTorch

실제로 파이썬의 기본기를  익히지 않고, 위의 Library나 Framework가 제공해주는 API들만 배우고 딥러닝을 시작하시는 분들이 많습니다. 이는 실제 프로젝트를 시작하려고 하면, 바로 한계에 부딪히는 공부방법입니다.

이 강좌는 여러분들이 딥러닝을 배울 때 기본기에서 흔들리지 않고, 딥러닝에만 집중할 수 있도록 도와주기 위해 준비됐습니다.






프로그래밍을 배우는 방법

기본기가 중요한 건 알겠는데, 그럼 파이썬은 어떻게 배워야 할까요? 이 질문에 대답하기 위해 제가 다음과 같은 질문을 드려보겠습니다.


영어 회화를 잘 하기 위해 영어 문법책을 다 외우시나요?  아마 그런 분은 별로 없을겁니다. 문법을 잘 안다고 회화를 잘 하는 것은 아닐테니까요! 가장 효과적으로 영어 회화를 배우는 방법은 쉬운 문법을 사용하더라도, 자주 영어로 말해봐야 하는 것 아닐까요?  

영어를 잘 한다는 것은 "자신의 생각을 영어로 잘 표현하는 것"이지 영어 문법을 잘 아는 것은 아닙니다. 그리고 파이썬은 영어와 같은 언어입니다.


파이썬을 배우기 위해 문법책을 달달 외우는 것은 영문법 책을 다 외우고 영어 회화를 잘 하길 바라는 것과 같습니다. 영어 회화를 공부하는 것과 마찬가지로 우리는 컴퓨터와 자주 대화하는 것이 중요하고, 자신의 생각을 컴퓨터에게 전달할 수만 있으면 프로그래밍을 잘 하는 것입니다.

그리고 컴퓨터는 지금도 여러분과 대화할 준비가 돼있습니다. 이 강의를 통해 여러분들은 그 누구보다 앞으로 컴퓨터와의 대화를 많이 하게 될 것입니다.




강의 특징

그럼 우리는 컴퓨터와 무슨 주제로 얘기를 할까요? 우리는 딥러닝을 배우기 위해 파이썬을 배웁니다. 즉, 딥러닝에서 다루는 주제들로 컴퓨터와 대화를 많이 해봐야 합니다. 실제로 강의에선 다음과 같이 딥러닝에서 반드시 알아야 할 내용들을 파이썬과 함께 배워봅니다.


강의를 통해 여러분들은 컴퓨터와의 회화를 잘 하기 위해 기본적인 문법을 가지고 수 많은 대화를 하게 됩니다. 제가 프로그래밍을 가르칠 때 항상 하는 말은 바로 이 말입니다.

딥러닝을 배우기 위해 필수적으로 알아야할 내용들을 가지고 여러분들은 계속된 반복훈련을 하게 됩니다.

이런 연습들을 통해, 강의가 끝나게 되면 여러분들은


  • 프로그래밍에 대한 자신감을 가지게 되고
  • 키보드가 손에 쫙쫙 달라붙는 신기한 경험을 하게 될 것이며
  • 딥러닝에서 사용되는 기본적인 아이템들과 친해질 것입니다.


딥러닝은 어느 전문 분야와 마찬가지로 단기간에 완성되는게 아닙니다처음 딥러닝에 입문하시는 분이 바로 딥러닝을 훑고 프로젝트로 성과를 내려고 한다면, 오히려 딥러닝과 사이가 안 좋아질 가능성이 높습니다.

기본기를 다지지 않고 조급함이 앞서 바로 딥러닝에 뛰어드는 것은 마라톤에서 달리고 싶은 마음에 발에 족쇄를 달고 달리는 것과 같습니다. 족쇄를 풀고 달리기 시작하는 사람과 조급함 마음에 족쇄를 달고 달리기 시작하는 사람은 장기적으로 어떻게 될까요?


본 강좌를 통해 여러분들이 딥러닝의 전문가가 되는 "어렵지만 옳은 방향"으로 인도하려고 합니다. 믿고 함께 해주세요!






딥러닝, 믿고 따라오세요!


Shin's Lab

  • [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
Preview
Expand All
  • 01
    Exercise Group.1: 강의 소개 / 변수와 연산자 / 평균과 Mean Subtraction
  • 오리엔테이션
    Exercise 1~10
  • 02
    Exercise Group.2: 분산과 표준편차 / Standardization
  • Exercise 1~10 Review
Curriculum
Expand All
  • 01
    Exercise Group.1: 강의 소개 / 변수와 연산자 / 평균과 Mean Subtraction
  • 오리엔테이션
    슬랙 (Slack) 커뮤니티 가입 신청
    개발환경 세팅 / 강의자료 다운로드
    Exercise 1~10
  • 02
    Exercise Group.2: 분산과 표준편차 / Standardization
  • Exercise 1~10 Review
    Exercise 11~13
  • 03
    Exercise Group.3 벡터 연산
  • Exercise 11~13 Review
    Exercise 14~17
  • 04
    Exercise Group.4: Euclidean Distance, Mean Squared Error
  • Exercise 14~17 Review
    Exercise 18~21
  • 05
    Exercise Group.5: List / Mean Subtraction / Standardization
  • Exercise 18~21 Review
    Python and IDEs
    Exercise 22~27
  • 06
    Exercise Group.6: List / 벡터 연산 / Euclidean Distance / Mean Squared Error
  • Exercise 22~27 Review
    Exercise 28~35
  • 07
    Exercise Group.7: For loop의 기본적인 사용법
  • Exercise 28~35 Review
    Exercise 36~44
  • 08
    Exercise Group.8: For loop / 평균과 Mean Subtraction
  • Exercise 36~44 Review
    Exercise 45~48
  • 09
    Exercise Group.9: For loop / 분산과 표준편차 / Standardization
  • Exercise 45~48 Review
    Exercise 49~52
  • 10
    Exercise Group.10: For loop / 벡터 연산 / Euclidean Distance / Mean Squared Error
  • Exercise 49~52 Review
    Exercise 53~59
  • 11
    Exercise Group.11: If문의 기본적인 사용법
  • Exercise 53~59 Review
    Exercise 60~67
  • 12
    Exercise Group.12: If문 연습 / 최댓값, 최솟값 구하기
  • Exercise 60~67 Review
    Exercise 68~72
  • 13
    Exercise Group.13: 최댓값, 최솟값 구하기 / Normalization / 최댓값, 최솟값 위치 구하기
  • Exercise 68~72 Review
    Exercise 73~75
  • 14
    Exercise Group.14: (미니 프로젝트) Sorting 구현하기
  • Exercise 73~75 Review
    Exercise76
  • 15
    Exercise Group.15: Accuracy / Confusion Vector / Histogram / 절댓값 구하기 / Manhattan Distance
  • Exercise 76 Review
    Exercise 77~81
  • 16
    Exercise Group.16: 2차원 Data & Nested List / 학생별, 과목별 평균점수 구하기
  • Exercise 77~81 Review
    Exercise 82~85
  • 17
    Exercise Group.17: 2차원 Data에 대한 Mean Subtraction, Standardization
  • Exercise 82~85 Review
    Exercise 86~88
  • 18
    Exercise Group.18: 2차원 Data에 대한 벡터 연산
  • Exercise 86~88 Review
    Exercise 89~92
  • 19
    Exercise Group.19: 2차원 Data에 대한 Euclidean Distance / 과목별 최고점 ,최우수 학생 구하기 / One-hot Encoding
  • Exercise 89~92 Review
    Exercise 93~96
  • 20
    Exercise Group.20: 2차원 데이터를 이용한 Matrix Operations
  • Exercise 93~96 Review
    Exercise 97~100
  • 21
    Exercise Group.21: Outro
  • Exercise 97~100 Review
    Outro
Instructor Introduction
user
Shin's LabTeacher

Lecture Reviews
Ends in D-0
39,000
35,100
(10%)

Average Rating
0.0
Difficulty
Easy
Lecture Period
Unlimited