모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌

모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌

(93개의 수강평)

15792명의 수강생
무료
지식공유자 · Sung Kim
50회 수업 · 총 10시간 51분 수업
평생 무제한 시청
수료증 미발급 강좌
수강 난이도 '초급'

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.

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

 

지식공유자 소개

Sung Kim

교육과정

모두 펼치기 50 강의 10시간 51분
섹션 0. 섹션 0. 오리엔테이션
1 강의 10 : 00
섹션 1. 섹션 1. 머신러닝의 개념과 용어
2 강의 29 : 00
기본적인 Machine Learnnig 의 용어와 개념 설명
12 : 00
TensorFlow의 설치및 기본적인 operations (new)
17 : 00
섹션 2. 섹션 2. Linear Regression 의 개념
2 강의 28 : 00
Linear Regression의 Hypothesis 와 cost
13 : 00
Tensorflow로 간단한 linear regression을 구현 (new)
15 : 00
섹션 3. 섹션 3. Linear Regression cost 함수 최소화
2 강의 31 : 00
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
3 강의 31 : 00
multi-variable linear regression (new)
17 : 00
lab 04-1: multi-variable linear regression을 TensorFlow에서 구현하기
08 : 00
lab 04-2: TensorFlow로 파일에서 데이타 읽어오기 (new)
06 : 00
섹션 5. 섹션 5. Logistic (Regression) Classification
3 강의 44 : 00
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)
4 강의 53 : 00
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
4 강의 47 : 00
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
3 강의 55 : 00
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
5 강의 66 : 00
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)
5 강의 58 : 00
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
6 강의 71 : 00
ConvNet의 Conv 레이어 만들기
16 : 00
ConvNet Max pooling 과 Full Network
05 : 00
ConvNet의 활용 예
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
7 강의 71 : 00
NN의 꽃 RNN 이야기
19 : 00
Lab 12-1 RNN - Basic (new)
12 : 00
Lab 12-2 RNN - Hi Hello Training (new)
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)
1 강의 18 : 00
powered by AWS
18 : 00
섹션 14. 섹션 14. AWS 에서 저렴하게 Spot Instance 를 터미네이션 걱정없이 사용하기
1 강의 18 : 00
섹션 15. 섹션 15. Google Cloud ML을 이용해 TensorFlow 실행하기
1 강의 21 : 00

공개 일자

2016년 3월 23일 (마지막 업데이트 일자 : 2018년 6월 1일)

수강 후기

4.9
93개의 수강평
Jun Young Park 2018.06.29
Udacity 강좌와 함께 보면 더욱 좋습니다 좋은 강좌 감사드립니다 많은 도움을 받았습니다.
Jay Jun 16일 전
고맙습니다!