딥러닝을 위한 파이썬 레벨2 - goormEDU

딥러닝을 위한 파이썬 레벨2

파이썬의 기초 문법을 확장하고 머신러닝/딥러닝 미니 프로젝트를 진행합니다.

Lecture Introduction
Difficulty
Easy
Category
Programming - AI
Tag
딥러닝, 파이썬
Target Audience
- [딥러닝을 위한 파이썬 레벨1] 수강생
- 딥러닝을 처음 입문하시는 분
- 파이썬을 처음 배우시는 분
- 프로그램 구현 능력이 부족하신 분
- 딥러닝과 파이썬을 함께 시작하시고 싶은 분
- 딥러닝 전문 과정에 함께 하고 싶으신 분

mini-project를 스스로 해결하며, 딥러닝을 배우는데 필요한 구현 능력을 키워보세요!

📣 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]






From Lv.1 to Lv.2

[딥러닝을 위한 파이썬 레벨1] 강좌에서 파이썬 문법을 조금 더 확장하며, 딥러닝에서 사용되는 조금 더 어려운 아이템들을 직접 구현해봅니다. 또한 다음과 같이 6개의 mini-project들을 통해 강좌를 듣는 것이 아닌 구현능력을 크게 키웁니다.

6개의 Mini-pojects

  1. Top-5 Accuracy
  2. Edge Detection
  3. Convolutional Layer
  4. K-Nearest Neighbor Classification
  5. K-means Clustering

Mini-project는 단순히 프로그래밍 강좌를 듣는 것이 아닌 구현하는 능력을 배양하기 위해 문제 상황을 들은 뒤, 스스로 해결해보는 시간을 먼저 제공합니다. 이후 설명을 들은 뒤, 다시 한 번 복습하는 시간을 제공합니다.

프로그래밍 능력은 자신이 생각하고 있는 내용을 얼마나 프로그램으로 잘 만드는지에 따라 결정됩니다. 본 프로젝트들을 통해 앞으로 딥러닝을 배우는데 필요한 구현능력을 연습해보세요.





Advanced Equations

레벨2 과정에서는 레벨1보다 조금 더 복잡한 수식을 배웁니다. 그리고 이 수식들은 딥러닝에서 활발히 사용되는 수식입니다.

본 강좌를 통해 여러분들은 다음과 같은 능력들을 크게 향상시킬 수 있으며

  • 수식을 이해하는 능력
  • 수식을 프로그램으로 구현하는 능력

다음과 같은 지식들을 얻을 수 있습니다.

  • 앞으로 딥러닝에서 배우게 되는 아이템들의 동작원리
  • Vectorization의 필요성 





Assembling Building Blocks

떠한 프로그램도 잘게 나누어보면, 그 작은 module들은 기본적인 동작으로 이루어져있습니다.

Mini-project들에서는 우리가 여태 배웠던 작은 module들을 조합하여 K-nearest neighbor classification, K-means clustering들과 같은 머신러닝 알고리즘과 convolutional layer, edge detection와 같은 딥러닝 관련 주제들을 직접 구현해봅니다.






Lecture Materials

  1. 본 강의에서 다루는 모든 소스코드와 간단한 설명을 Jupyter Notebook 파일로 제공합니다.

  2. L4DL 전체 커리큘럼의 관리를 하나의 Slack 워크스페이스에서 관리합니다.






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
    Introduction to the Course
  • Orientation
  • 02
    Exercise Group.1: Jupyter Notebook 활용하기
  • Exercise 1~3
  • 03
    Exercise Group.2: For Loop 확장하기
  • Exercise 4~6
Curriculum
Expand All
  • 01
    Introduction to the Course
  • Orientation
    슬랙(Slack) 커뮤니티 가입 신청
    강의자료 다운로드
  • 02
    Exercise Group.1: Jupyter Notebook 활용하기
  • Exercise 1~3
  • 03
    Exercise Group.2: For Loop 확장하기
  • Exercise 4~6
  • 04
    Exercise Group.3: Tuple and zip
  • Exercise 4~6 Review
    Exercise 7~10
  • 05
    Exercise Group.4: Tuple Unpacking & zip 연습
  • Exercise 7~10 Review
    Exercise 11~15
  • 06
    Exercise Group.5: For Loop + enumerate
  • Exercise 11~15 Review
    Exercise 16~19
  • 07
    Exercise Group.6: zip + enumerate
  • Exercise 16~19 Review
    Exercise 20~22
  • 08
    Exercise Group.7: (Mini-project) Top-5 Accuracy
  • Exercise 20~22 Review
    Exercise 23~24
    Project Lecture
  • 09
    Exercise Group.8: String Formatting
  • Exercise 23~25 Review
    Exercise 26~32
  • 10
    Exercise Group.9: Dictionary
  • Exercise 26~32 Review
    Exercise 33~38
  • 11
    Exercise Group.10: Dictionary Looping and Meta Data
  • Exercise 33~38 Review
    Exercise 39~43
  • 12
    Exercise Group.11: (Mini-project) Mean Subtraction & Normalization
  • Exercise 39~43 Review
    Project Overview
    Project Lecture
  • 13
    Exercise Group.12: List Comprehension
  • Exercise 44 Review
    Exercise 45~49
  • 14
    Exercise Group.13: Dictionary Comprehension
  • Exercise 45~49 Review
    Exercise 50~53
  • 15
    Exercise Group.14: Importing Modules
  • Exercise 50~53 Review
    Exercise 54~58
  • 16
    Exercise Group.15: 초월함수의 그래프
  • Exercise 54~58 Review
    Exercise 59~65
  • 17
    Exercise Group.16: Average / Max Pooling
  • Exercise 59~65 Review
    후반부 강의 안내사항
    Exercise 66~69
  • 18
    Exercise Group.17: Correlation / Convolution
  • Exercise 66~69 Review
    Exercise 70~71
  • 19
    Exercise Group.18: AveragePooling2D / MaxPooling2D
  • Exercise 70~71 Review
    Exercise 72~73
  • 20
    Exercise Group.19: Corr2D / Conv2D
  • Exercise 72~73 Review
    Exercise 74~75
  • 21
    Exercise Group.20: (Mini-project) Edge Detection
  • Exercise 74~75 Review
    Project Overview
    Project Lecture
  • 22
    Exercise Group.21: Zero-padding
  • Exercise 76 Review
    Exercise 77~79
  • 23
    Exercise Group.22: 2D Zero-padding
  • Exercise 77~79 Review
    Exercise 80~82
  • 24
    Exercise Group.23: Strides
  • Exercise 80~82 Review
    Exercise 83~86
  • 25
    Exercise Group.24: 2D Strides
  • Exercise 83~86 Review
    Exercise 87~89
  • 26
    Exercise Group.25: (Mini-project) Convolutional Layer
  • Exercise 87~80 Review
    Project Overview
    Project Lecture
  • 27
    Exercise Group.26: (Mini-project) K-Nearest Neighbor
  • Project Overview
    Project Lecture
  • 28
    Exercise Group.27: (Mini-project) K-means Clustering
  • Project Overview
    Project Leture
  • 29
    Outro to the Course
  • Outro to the Course
Instructor Introduction
user
Shin's LabTeacher

Lecture Reviews
  • No reviews have been written.
Ends in 
D-0
39,000
27,300
(30%)

Average Rating
0.0
Difficulty
Easy
Lecture Period
Unlimited