넘파이 마스터 클래스 - goormEDU

넘파이 마스터 클래스

데이터사이언스에서 가장 중요한 넘파이를 제대로 배울 수 있는 강의입니다.

Lecture Introduction
Difficulty
Easy
Category
Programming - AI
Tag
딥러닝, 파이썬, 넘파이
Target Audience
- 데이터 사이언스 입문자
- 딥러닝의 기본기를 탄탄히 다지고 싶은 분
- 구현 능력을 향상시키고 싶은 분
- 텐서를 다루는 힘이 부족한 분

데이터사이언스에서 가장 중요한 넘파이와 함께 텐서를 다루는 힘을 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.
• 통합된 질문관리(실시간 답변, 중복된 질문 관리)를 위해 질문은 슬랙채널에서 남겨주세요!

Learning 4 Deep Learning
Project Curriculum📑

[전체화면 링크]






Why NumPy?

넘파이는 데이터사이언스에서 가장 중요한 라이브러리 중 하나입니다


    1. 우리가 앞으로 다루게 될 연산의 대상인 데이터는 텐서이고, 넘파이의 객체는 n차원 텐서 객체입니다.
    2. 우리가 다루는 알고리즘은 텐서들의 연산으로 이루어집니다.
    3. 넘파이는 For loop 없이 간단하게 텐서 연산을 도와줍니다.
    4. For loop을 없앰으로써 연산 효율성이 증가됩니다.
    5. 다른 라이브러리와의 인터페이스 역할을 해주며, 프레임워크의 이해를 도와줍니다.

    



    How NumPy?

    본 강좌에서는 단순히 ndarray 객체 및 여러 API 사용법을 학습하는 걸 넘어,
    여러분이 딥러닝을 배우는데 있어 기반이 될 텐서를 다루는 힘을 길러줍니다

    • 텐서들의 브로드캐스팅


    • 2차원 텐서의 슬라이싱


    • API들의 axis, keepdims 인자


    • Fully-connected Operation을 Vectorization으로 구현하기




    Contents

    본 강좌에서는 여러분들이 데이터사이언스를 다루기 위해  필수적으로 알아야할 API를  98% 이상  다룹니다.

    또한 많은 연습문제를 통해 여러분들의 구현 능력을 대폭 향상시켜줍니다.

    

    

    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
    Curriculum
    Expand All
    • 01
      넘파이 소개
    • 넘파이 소개
      슬랙(Slack) 커뮤니티 가입 신청
    • 02
      객체와 ndarray
    • 파이썬에서의 객체
      스페셜 메소드
      ndarray 객체
      텐서와 ndarray
    • 03
      ndarray 만들기
    • 파이썬 리스트로 ndarray 만들기
      정해진 shape으로 ndarray 만들기
      정해진 간격과 개수로 ndarray 만들기
      랜덤한 값으로 ndarray 만들기
    • 04
      ndarray의 메타데이터
    • ndarray의 ndim, shape, size
      ndarray의 dtype, itemsize, nbytes
    • 05
      ndarray 바꾸기
    • ndarray의 모양 바꾸기(np.reshape)
      np.reshape에서의 -1
      ndarray의 원소 개수 바꾸기(np.resize)
      ndarray의 flattening
      넘파이의 메모리 최적화
      ndarray의 dtype 바꾸기
    • 06
      ndarray의 원소별 연산과 브로드캐스팅
    • ndarray의 원소별 연산
      브로드캐스팅 소개
      ndim이 1일 때의 브로드캐스팅
      ndim이 2일 때의 브로드캐스팅
      ndim이 다를 때의 브로드캐스팅
    • 07
      ndarray의 인덱싱과 슬라이싱
    • 벡터 ndarray의 인덱싱과 슬라이싱
      행렬 ndarray의 인덱싱과 슬라이싱
      텐서 ndarray의 인덱싱과 슬라이싱
      int ndarray로 인덱싱하기
      bool ndarray로 인덱싱하기
    • 08
      API들의 axis, keepdims 인자
    • 행렬 ndarray에서의 axis, keepdims
      텐서 ndarray에서의 axis, keepdims
    • 09
      넘파이 API - 합곱차와 통계값
    • ndarray의 합곱차 구하기
      ndarray의 통계값 구하기
      ndarray의 최댓값, 최솟값 구하기
    • 10
      넘파이 API - Rounding과 정렬 함수
    • Rounding 함수
      정렬 함수
    • 11
      넘파이 API - 수학 함수
    • 삼각함수와 쌍곡선 함수
      멱함수
      로그함수
    • 12
      넘파이 API - 벡터, 행렬의 연산
    • 벡터의 내적과 행렬의 곱셈
    • 13
      넘파이 API - ndarray의 차원 다루기
    • reshape으로 새로운 차원 만들기
      슬라이싱으로 새로운 차원 만들기와 expand_dims
      ndarray의 쓸모없는 차원 없애기
      ndarray의 차원 바꾸기
    • 14
      넘파이 API - ndarray 합치기
    • np.hstack과 np.vstack
      np.concatenate과 np.dstack, np.stack
    • 15
      넘파이 API - ndarray 반복시키기
    • 원소별로 ndarray 반복시키기
      전체적으로 ndarray 반복시키기
      ndarray 반복의 응용
      좌표축 만들기(np.meshgrid)
    • 16
      Fully-connected Operation 구현하기
    • 스칼라의 Fully-connected Operation
      벡터의 Fully-connected Operations
    • 17
      넘파이 연습문제
    Instructor Introduction
    user
    Shin's LabTeacher

    Lecture Reviews
    • No reviews have been written.
    Ends in 
    D-0
    39,600
    29,700
    (25%)

    Average Rating
    0.0
    Difficulty
    Easy
    Lecture Period
    52Weeks 1Day after payment