Thumbnail
인공지능 딥러닝 · 머신러닝

모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌 대시보드

(4.9)
247개의 수강평 ∙  25,654명의 수강생

무료

지식공유자: Sung Kim
총 50개 수업 (11시간 26분)
수강기한: 
무제한
수료증: 미발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[데이터 분석] 강의입니다.

더 많은 분들이 머신 러닝과 딥러닝에 대해 더 이해하고 본인들의 문제를 이 멋진 도구를 이용해서 풀수 있게 하기위해 비디오 강의를 준비하였습니다. 더 나아가 이론에만 그치지 않고 최근 구글이 공개한 머신러닝을 위한 오픈소스인 TensorFlow를 이용해서 이론을 구현해 볼수 있도록 하였습니다.

수강 전, 강의 미리보기 😉

알파고와 이세돌의 경기를 보면서, 이제 머신러닝이 인간의 영역인 직관과 의사결정 능력에서도 충분한 데이터만 있다면 인간보다 더 능력을 발휘할 수 있다는 것을 알게 되었숩니다. 실제 Andrew Ng 교수님이 말씀하신 것처럼  머신 러닝을 잘 이해하고 잘 다룰 수 있다면 그야말로 Super Power를 가지는 것이 아닌가 생각합니다.

더 많은 분들이 머신 러닝과 딥러닝에 대해 더 이해하고 본인들의 문제를 이 멋진 도구를 이용해서 풀수 있게 하기위해 비디오 강의를 준비하였습니다. 더 나아가 이론에만 그치지 않고 최근 구글이 공개한 머신러닝을 위한 오픈소스인 TensorFlow를 이용해서 이론을 구현해 볼수 있도록 하였습니다. 이 머신러닝, 딥러닝 강좌는 수학이나 컴퓨터 공학적인 지식이 없이도 쉽게 볼수 있도록 만들려고 노력하였습니다.

이런 분들이 들으면 좋아요 😉

이 강의는 인공지능의 ㅇ 자도 몰라도 관심만 있다면 누구나 수강하실 수 있는 강의입니다. 부담 느끼지 말고, 언제든 내가 배우고 싶을 때 강의를 수강해 보세요!

  • 인공지능에 대해 관심이 있는 누구나
  • 머신러닝, 딥러닝의 개념을 이해하고 싶으신 분
  • 머신러닝을 직접 구현해 보고 싶으신 분

이런 내용을 알려드려요.

머신러닝의 핵심 기본 개념

머신러닝의 정의에 대해 알아보고, 회귀, 분류, TensorFlow 기본 구조 등 머신러닝 학습에 앞서 꼭 알아야 하는 내용을 정리했습니다.

선형회귀(Linear Regression)

딥러닝 이해에 필수적인 개념 중 하나인 선형회귀에 대해 알아보며, 선형 회귀에서의 비용 함수, 여러 개 입력의 선형회귀 등에 대해 알아보고 실제 TensorFlow로 이를 구현해 봅니다.

로지스틱 회귀(Logistic Regression)

둘 중 하나를 결정해야 하는 로지스틱 회귀의 정의에 대해 알아보고, 실제 TensorFlow 코드로 구현해 봅니다.

ML의 실용과 몇 가지 팁

머신러닝을 실제 사용하고 데이터를 처리하는 데 있어 필요한 개념들을 알아봅니다.

딥러닝의 핵심 기본 개념

딥러닝의 핵심 개념에 대해 알아봅니다.

Neural Network

딥러닝의 근간이 되는 신경 네트워크의 기본 개념을 알아보고, RNN과 CNN 등 핵심 신경 네트워크에 대해 알아봅니다.

수강 전 참고하세요!

이 비디오는 저도 인터넷등을 통해 공부하면서 만든것이며 아래 자료를 많이 사용하였습니다.

 

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
인공지능에 대해 관심이 있는 누구나
머신러닝, 딥러닝의 개념을 이해하고 싶으신 분
머신러닝을 직접 구현하고 싶으신 분

안녕하세요
Sung Kim 입니다.
Sung Kim의 썸네일
커리큘럼 총 50 개 ˙ 11시간 26분의 수업
이 강의는 영상, 수업 노트가 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 오리엔테이션
섹션 1. 머신러닝의 개념과 용어
기본적인 Machine Learnnig 의 용어와 개념 설명 미리보기 12:29
TensorFlow의 설치및 기본적인 operations (new) 17:30
섹션 2. Linear Regression 의 개념
Linear Regression의 Hypothesis 와 cost 13:30
Tensorflow로 간단한 linear regression을 구현 (new) 15:11
섹션 3. Linear Regression cost 함수 최소화
Linear Regression의 cost 최소화 알고리즘의 원리 16:12
Linear Regression 의 cost 최소화의 TensorFlow 구현(new) 15:33
섹션 4. 여러개의 입력(feature)의 Linear Regression
multi-variable linear regression (new) 17:45
lab 04-1: multi-variable linear regression을 TensorFlow에서 구현하기 미리보기 08:02
lab 04-2: TensorFlow로 파일에서 데이타 읽어오기 (new) 13:23
섹션 5. Logistic (Regression) Classification
Logistic Classification의 가설 함수 정의 14:57
Logistic Regression의 cost 함수 설명 14:24
TensorFlow로 Logistic Classification의 구현하기(new) 15:42
섹션 6. Softmax Regression (Multinomial Logistic Regression)
Multinomial 개념 소개 10:17
Cost 함수 소개 15:36
lab 06-1: TensorFlow로 Softmax Classification의 구현하기 (new) 12:41
lab 06-2: TensorFlow로 Fancy Softmax Classification의 구현하기 (new) 16:31
섹션 7. ML의 실용과 몇가지 팁
학습 rate, Overfitting, 그리고 일반화 (Regularization) 14:03
Training/Testing 데이타 셋 09:21
lab 07-1: training/test dataset, learning rate, normalization (new) 11:02
lab 07-2: Meet MNIST Dataset (new) 13:09
섹션 8. 딥러닝의 기본 개념과, 문제, 그리고 해결
딥러닝의 기본 개념: 시작과 XOR 문제 17:42
딥러닝의 기본 개념2: Back-propagation 과 2006/2007 ‘딥’의 출현 12:37
Lab : Tensor Manipulation (new) 26:14
섹션 9. Neural Network 1: XOR 문제와 학습방법, Backpropagation
XOR 문제 딥러닝으로 풀기 15:03
특별편: 10분안에 미분 정리하기 09:29
딥넷트웍 학습 시키기 (backpropagation) 18:28
Lab 9-1: XOR을 위한 텐스플로우 딥넷트웍 (new) 12:29
Lab 9-2: Tensor Board로 딥네트웍 들여다보기 (new) 12:07
섹션 10. Neural Network 2: ReLU and 초기값 정하기 (2006/2007 breakthrough)
XSigmoid 보다 ReLU가 더 좋아 17:30
Weight 초기화 잘해보자 12:18
Dropout 과 앙상블 09:56
레고처렴 넷트웍 모듈을 마음껏 쌓아 보자 05:09
Lab 10: 딥러닝으로 MNIST 98%이상 해보기(new) 14:35
섹션 11. Convolutional Neural Networks
ConvNet의 Conv 레이어 만들기 미리보기 16:22 ConvNet Max pooling 과 Full Network 미리보기 05:33 ConvNet의 활용 예 미리보기 12:31
실습1: TensorFlow CNN 의 기본 16:30
실습2: TensorFlow로 구현하자 (MNIST 99%) 12:37
실습3: Class, tf.layers, Ensemble (MNIST 99.5%) 10:07
섹션 12. Recurrent Neural Network
NN의 꽃 RNN 이야기 미리보기 19:43 Lab 12-1 RNN - Basic (new) 미리보기 12:34 Lab 12-2 RNN - Hi Hello Training (new) 미리보기 14:52
Lab 12-3 : Long Sequence RNN (new) 11:19
Lab12-4: Stacked RNN + Softmax Layer (new) 11:08
Lab12-5: Dynamic RNN (new) 04:08
Lab12-6: RNN with Time Series Data (new) 10:16
섹션 13. Deep Deep Network AWS 에서 GPU와 돌려보기 (powered bt AWS)
powered by AWS 18:13
섹션 14. AWS 에서 저렴하게 Spot Instance 를 터미네이션 걱정없이 사용하기
섹션 15. Google Cloud ML을 이용해 TensorFlow 실행하기
강의 게시일 : 2016년 03월 24일 (마지막 업데이트일 : 2018년 06월 01일)
수강평 총 247개
수강생분들이 직접 작성하신 수강평입니다.
4.9
247개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
Oranzi thumbnail
5
딥러닝을 배우고자 여러 책도 사보고 유료 수업도 들어봤지만, 딥러닝 입문에는 이 강의가 최고라고 생각합니다. 어떻게 공부할 지 고민되시는 분들은, 이 강의부터 시작하시면 다음 레벨로 나아가는데 훨씬 수월할 것 같습니다.
2020-12-16
jmhan thumbnail
5
딥러닝을 시작하기 위한 최고의 명강의입니다! 감사합니다.
2023-11-28
진승현 thumbnail
5
기계학습을 이해하는데 도움이 되었습니다.
2023-12-21
이진홍 thumbnail
5
머신러닝의 이해에 많은 도움이 되었습니다.
2023-11-03
Kim Edward thumbnail
5
최고예요~~
2023-11-05
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!