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.

• Andrew Ng’s and other ML tutorials
  • https://class.coursera.org/ml-003/lecture
  • http://www.holehouse.org/mlclass/ (note)
  • Deep Learning Tutorial
• Convolutional Neural Networks for Visual Recognition.
  • http://cs231n.github.io/
• Tensorflow
  • https://www.tensorflow.org
  • https://github.com/aymericdamien/TensorFlow-Examples
  • Deep learning @Udicity