Thumbnail
데이터 사이언스 인공지능
[딥러닝 전문가 과정 DL1301] 딥러닝 네트워크의 연산
27명이 수강하고 있어요.

33,000원

지식공유자 : 공대형아
총 38개 수업˙총 10시간 58분
12개월 동안 무제한 수강
수료증 발급 강의
입문 초급 대상 중급이상
내 목록 추가 16 공유
초급자를 위해 준비한
[인공지능] 강의입니다.

딥러닝 네트워크가 어떤 연산을 통해 출력을 만들어내는지 다루는 강의입니다.

✍️
이런 걸
배워요!
딥러닝 기초
딥러닝 네트워크 연산
Tensorflow

본 강의는 [L4DL Project]에서 딥러닝을 본격적으로 다루는 첫 번째 강의입니다.

📣 공지사항• 본 강의는 Learning 4 Deep Learning(L4DL)의 모든 강의와 통합된 Private Slack 채널에서 함께 운영되고 있습니다. 강의를 신청하신 뒤 섹션0 - 수업2: 슬랙 (Slack) 커뮤니티 가입 신청에서 가입하실 수 있습니다.
• 질문&답변은 슬랙 채널에 남겨주시면 보다 빠르게 확인해드리고 있습니다.

오리엔테이션 영상

[L4DL] Project Currimulum 📑

Background

딥러닝을 공부할 때 단순히 모델을 만들고, 학습을 시켜보는 것은 장기적으로 큰 의미가 없습니다.

딥러닝을 본격적으로 이해하기 위해선, backpropagation이나 parameter update algorithm들을 다루기 앞서 딥러닝 네트워크가 어떤 연산을 이용하여 출력을 계산하는지 이해해야 합니다.
실제 딥러닝 모델은 다음과 같은 과정을 통해 만들어집니다.

딥러닝을 학습하는 입장에서 가장 집중적으로 배워야하는 부분은 바로 Model Training 과정입니다.
그리고 이 과정은 다음과 같이 이루어져있습니다.

본 강의는 이 과정 중 Model Prediction Loss Calculation에 해당하는 Forward Propagation을 집중적으로 다룹니다. 이를 통해 여러분들은 Convolutional Neural Network가 어떤 과정을 통해 출력을 만들어내는지 확인할 수 있습니다.
그리고 이런 개념 위에서 딥러닝의 심도깊은 이해가 이루어지게 될 것입니다.


Convolutional Neural Networks

딥러닝이 가장 처음 도입된 분야는 이미지 분류입니다. 이에 따라 딥러닝을 이해하는데 가장 기초적인 모델들은 LeNet, AlexNet, VGGNet과 같은 이미지 분류기들입니다.
따라서 본 강의에서는 앞으로 한동안 집중적으로 다룰 Convolutional Neural Network에 관한 네트워크에 연산을 집중적으로 다룹니다. 


Implementation with Tensorflow

본 강의에서는 Tensorflow를 이용해 딥러닝에서 사용하는 가장 기본적인 layer인 dense layer, convolutional layer, max/avgerage pooling layer, softmax layer를 만들어보고 연산들을 직접 만들어보면서 이론적으로 배운 내용이 Tensorflow에서 어떻게 구현되어 있는지 확인해봅니다.


Parameters in Networks

본 강의를 학습한 뒤에는 전체 딥러닝 네트워크가 어떤 trainable parameter들을 가지고 있는지, 이런 변수들이 어떻게 연산에 사용되는지 알게됩니다. 따라서 다음과 같이 각 layer들의 특징에 대해 이해할 수 있게됩니다. 
추후 이 개념은 딥러닝 모델을 학습시키는 vector chain rule을 이해하는데 사용됩니다.

지식공유자가 알려주는
강의 수강 꿀팁!
🎓
이런 분들께
추천드려요!
딥러닝 입문자
[L4DL Project] 참여자
📚
선수 지식,
필요한가요?
파이썬 기초

안녕하세요
공대형아 입니다.
공대형아의 썸네일

강의이력

  • [패스트캠퍼스] 수학적으로 접근하는 딥러닝 강사
  • [Youtube] Shin’s Lab 운영(신호처리, 수학, 머신러닝, 딥러닝 강의)
  • 비전공자를 위한 파이썬 프로그래밍 및 머신러닝 레슨
  • [커텍츠 재단] 커텍츠 마스터
  • Edwith 교수자
  • [광운대학교] 파이썬 및 영상처리 세미나 리더
커리큘럼 총 38 개 ˙ 10시간 58분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. Introduction to the Course
Lecture0-1: Introduction 미리보기 11:33
슬랙(Slack) 커뮤니티 가입 신청
Lecture0-2: CoLaboratory 04:31
섹션 1. Artificial Neurons
[이론강의] Lecture.1-1: Parametric Functions and Datasets 미리보기 34:22
[이론강의] Lecture.1-2: Artificial Neurons 22:15
[구현강의] Lecture.1-3: Affine Functions 22:18
[구현강의] Lecture.1-4: Artificial Neurons 26:17
섹션 2. Dense Layers
[이론강의] Lecture.2-1: Dense Layers 19:34
[이론강의] Lecture.2-2: The First Dense Layer 24:24
[이론강의] Lecture.2-3: Generalized Dense Layers 21:12
[이론강의] Lecture.2-4: Minibatches in Dense Layers 22:50
[구현강의] Lecture.2-5: Dense Layers 15:01
[구현강의] Lecture.2-6: Cascaded Dense Layers 19:23
[구현강의] Lecture.2-7: Model Implementation with Dense Layers 24:35
섹션 3. Sigmoid and Softmax
[이론강의] Lecture.3-1: Logit and Sigmoid 17:18
[이론강의] Lecture.3-2: Softmax Layer 18:48
[구현강의] Lecture.3-3: Binary Classifiers 16:37
[구현강의] Lecture.3-4: Multi-class Classifiers 13:05
섹션 4. Loss Functions
[이론강의] Lecture.4-1: Mean Squared Error 23:12
[이론강의] Lecture.4-2: Binary Cross Entropy 14:14
[이론강의] Lecture.4-3: Categorical Cross Entropy 12:35
[구현강의] Lecture.4-4: Toy Datasets for Regression and Binary Classification 17:10
[구현강의] Lecture.4-5: Toy Datasets for Multi-class Classification 18:57
[구현강의] Lecture.4-6: MSE and BCE 14:42
[구현강의] Lecture.4-7: SCCE and CCE 15:05
섹션 5. Convolutional Layers
[이론강의] Lecture.5-1: Image Tensors and Classical Correlation 15:47
[이론강의] Lecture.5-2: Computations of Conv Layers 15:14
[이론강의] Lecture.5-3: Conv Layers for Multi-channel Input 18:08
[구현강의] Lecture.5-4: Conv2D Layers 14:08
[구현강의] Lecture.5-5: Conv2D with Filters 22:06
[구현강의] Lecture.5-6: Model Implementation with Conv2D Layers 12:21
섹션 6. Pooling Layers
[이론강의] Lecture.6-1: Pooling Layers 15:10
[구현강의] Lecture.6-2: Max and Average Pooling Layers 11:53
[구현강의] Lecture.6-3: Padding and Strides 19:17
섹션 7. Convolutional Neural Networks
[이론강의] Lecture.7-1: Convolutional Neural Networks 12:19
[구현강의] Lecture.7-2: Shapes in CNNs 14:08
[구현강의] Lecture.7-3: CNN Implementation 20:29
[구현강의] Lecture.7-4: LeNet Implementation 17:57
강의 게시일 : 2021년 02월 19일 (마지막 업데이트일 : 2021년 02월 19일)
수강평
수강생분들이 직접 작성하신 수강평입니다. 수강평을 작성 시 300잎이 적립됩니다.
아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️

33,000원

내 목록 추가 16 공유
지식공유자 : 공대형아
총 38개 수업˙총 10시간 58분
12개월 동안 무제한 수강
수료증 발급 강의
입문 초급 대상 중급이상
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의를
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스