
초급자를 위해 준비한
[데이터 사이언스] 강의입니다.
[데이터 사이언스] 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.
1. 강좌 소개
알파고와 이세돌의 경기를 보면서 이제 머신 러닝이 인간이 잘 한다고 여겨진 직관과 의사 결정능력에서도 충분한 데이타가 있으면 어느정도 또는 우리보다 더 잘할수도 있다는 생각을 많이 하게 되었습니다. Andrew Ng 교수님이 말씀하신것 처럼 이런 시대에 머신 러닝을 잘 이해하고 잘 다룰수 있다면 그야말로 "Super Power"를 가지게 되는 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.
2. 도움되는 분들
- 인공지능에 대해 관심이 있는 누구나
- 머닝러신, 딥러닝의 개념을 이해하고 싶으신분
- 머닝러신의 직접 구현해보고 싶으신 분
3. 참고자료
이 비디오는 저도 인터넷등을 통해 공부하면서 만든것이며 아래 자료를 많이 사용하였습니다.
- Andrew Ng’s and other ML tutorials
- Convolutional Neural Networks for Visual Recognition.
- Tensorflow
4. 지식공유자 소개
김성훈
Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다. 비디오나 강의에 대한 의견이 있으시면 아래로 이메일을 보내 주시면 됩니다. hunkim+ml@gmail.com
안녕하세요
Sung Kim 입니다.
Sung Kim 입니다.

커리큘럼
총 50개 ˙ 10시간 51분의 수업
이 강의는 영상, 수업 노트이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 섹션 0. 오리엔테이션
1강 ∙ 10분
섹션 1. 섹션 1. 머신러닝의 개념과 용어
2강 ∙ 29분
기본적인 Machine Learnnig 의 용어와 개념 설명
미리보기
12:00
TensorFlow의 설치및 기본적인 operations (new)
17:00
섹션 2. 섹션 2. Linear Regression 의 개념
2강 ∙ 28분
Linear Regression의 Hypothesis 와 cost
13:00
Tensorflow로 간단한 linear regression을 구현 (new)
15:00
섹션 3. 섹션 3. Linear Regression cost 함수 최소화
2강 ∙ 31분
Linear Regression의 cost 최소화 알고리즘의 원리
16:00
Linear Regression 의 cost 최소화의 TensorFlow 구현(new)
15:00
섹션 4. 섹션 4. 여러개의 입력(feature)의 Linear Regression
3강 ∙ 31분
multi-variable linear regression (new)
17:00
lab 04-1: multi-variable linear regression을 TensorFlow에서 구현하기
미리보기
08:00
lab 04-2: TensorFlow로 파일에서 데이타 읽어오기 (new)
06:00
섹션 5. 섹션 5. Logistic (Regression) Classification
3강 ∙ 44분
Logistic Classification의 가설 함수 정의
15:00
Logistic Regression의 cost 함수 설명
14:00
TensorFlow로 Logistic Classification의 구현하기(new)
15:00
섹션 6. 섹션 6. Softmax Regression (Multinomial Logistic Regression)
4강 ∙ 53분
Multinomial 개념 소개
10:00
Cost 함수 소개
15:00
lab 06-1: TensorFlow로 Softmax Classification의 구현하기 (new)
12:00
lab 06-2: TensorFlow로 Fancy Softmax Classification의 구현하기 (new)
16:00
섹션 7. 섹션 7. ML의 실용과 몇가지 팁
4강 ∙ 47분
학습 rate, Overfitting, 그리고 일반화 (Regularization)
14:00
Training/Testing 데이타 셋
09:00
lab 07-1: training/test dataset, learning rate, normalization (new)
11:00
lab 07-2: Meet MNIST Dataset (new)
13:00
섹션 8. 섹션 8. 딥러닝의 기본 개념과, 문제, 그리고 해결
3강 ∙ 55분
딥러닝의 기본 개념: 시작과 XOR 문제
17:00
딥러닝의 기본 개념2: Back-propagation 과 2006/2007 ‘딥’의 출현
12:00
Lab : Tensor Manipulation (new)
26:00
섹션 9. 섹션 9. Neural Network 1: XOR 문제와 학습방법, Backpropagation
5강 ∙ 1시간 6분
XOR 문제 딥러닝으로 풀기
15:00
특별편: 10분안에 미분 정리하기
09:00
딥넷트웍 학습 시키기 (backpropagation)
18:00
Lab 9-1: XOR을 위한 텐스플로우 딥넷트웍 (new)
12:00
Lab 9-2: Tensor Board로 딥네트웍 들여다보기 (new)
12:00
섹션 10. Neural Network 2: ReLU and 초기값 정하기 (2006/2007 breakthrough)
5강 ∙ 58분
XSigmoid 보다 ReLU가 더 좋아
17:00
Weight 초기화 잘해보자
12:00
Dropout 과 앙상블
10:00
레고처렴 넷트웍 모듈을 마음껏 쌓아 보자
05:00
Lab 10: 딥러닝으로 MNIST 98%이상 해보기(new)
14:00
섹션 11. 섹션 11. Convolutional Neural Networks
6강 ∙ 1시간 11분
ConvNet의 Conv 레이어 만들기
미리보기
16:00
ConvNet Max pooling 과 Full Network
미리보기
05:00
ConvNet의 활용 예
미리보기
12:00
실습1: TensorFlow CNN 의 기본
16:00
실습2: TensorFlow로 구현하자 (MNIST 99%)
12:00
실습3: Class, tf.layers, Ensemble (MNIST 99.5%)
10:00
섹션 12. 섹션 12. Recurrent Neural Network
7강 ∙ 1시간 11분
NN의 꽃 RNN 이야기
미리보기
19:00
Lab 12-1 RNN - Basic (new)
미리보기
12:00
Lab 12-2 RNN - Hi Hello Training (new)
미리보기
15:00
Lab 12-3 : Long Sequence RNN (new)
Lab12-4: Stacked RNN + Softmax Layer (new)
11:00
Lab12-5: Dynamic RNN (new)
04:00
Lab12-6: RNN with Time Series Data (new)
10:00
섹션 13. 섹션 13. Deep Deep Network AWS 에서 GPU와 돌려보기 (powered bt AWS)
1강 ∙ 18분
powered by AWS
18:00
섹션 14. 섹션 14. AWS 에서 저렴하게 Spot Instance 를 터미네이션 걱정없이 사용하기
1강 ∙ 18분
섹션 15. 섹션 15. Google Cloud ML을 이용해 TensorFlow 실행하기
1강 ∙ 21분
강의 게시일 : 2016년 03월 24일
(마지막 업데이트일 : 2018년 06월 01일)
수강평
총 174개
수강생분들이 직접 작성하신 수강평입니다. 수강평을 작성 시 300잎이 적립됩니다.
4.9
174개의 수강평
5점
4점
3점
2점
1점
VIEW
좋아요 순
최신 순
높은 평점 순
낮은 평점 순
평점 순
높은 평점 순
낮은 평점 순

너무 좋은 강의 감사드립니다.
2021-01-19

머신러닝 입문에 큰 도움이 되는 강의입니다
2021-01-16

정말 재밌게 강의를 수강할 수 있었고, 많은 것을 배울 수 있었습니다. 좋은 강의 감사합니다!
2021-01-18

많은 도움이 되었습니다. 입문자가 이해하기도 쉽고, 어느 정도 인공신경망에 대한 지식이 있는 사람에게도 전체적인 개념을 정립하는데 좋은 것 같습니다.
2021-01-20

최고최고짱짱짱
2021-01-14
무료
비슷한 강의들
같은 분야의 다른 강의를 만나보세요!

딥러닝 컴퓨터 비전 완벽 가이드
₩99,000
캐글 Advanced 머신러닝 실전 박치기
₩66,000