Thumbnail
NEW
인공지능 딥러닝 · 머신러닝

뿌리 깊은 딥러닝 대시보드

145명이 수강하고 있어요.

무료

지식공유자: GIST-ACSL
총 77개 수업 (24시간 28분)
수강기한: 
무제한
수료증: 미발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[딥러닝 · 머신러닝] 강의입니다.

딥러닝 라이브러리 없이 바닥부터 알고리즘들을 구현하며 원리를 제대로 파헤쳐 봅시다 :)

✍️
이런 걸
배워요!
딥러닝 알고리즘 작동 원리
빈틈 없는 딥러닝 알고리즘 구현
다양한 주요 딥러닝 모델 응용 예시

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
딥러닝을 처음 시작하는 분
구현과 이론을 모두 잡고 싶은 분
기초를 제대로 정리하고 싶은 연구자/개발자 분
바닥부터 꼼꼼하게 구현하며 원리를 이해하고 싶은 분

안녕하세요
GIST-ACSL 입니다.
GIST-ACSL의 썸네일

안녕하세요. 로봇AI를 연구하는 광주과학기술원 AI대학원 김의환입니다.

1) multi-modal perception

2) general-purpose navigation

3) mobile manipulation 

연구 관련 더 자세한 내용은 GIST ACSL 홈페이지를 참조해주세요.

앞으로 여러분에게 도움이 되는 강의로 만나겠습니다 :)

커리큘럼 총 77 개 ˙ 24시간 28분의 수업
이 강의는 영상, 수업 노트가 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 1. 퍼셉트론(Perceptrons)
수업 자료
Basic Gates 미리보기 32:36
Vectorization & MLP Implementation (1) 33:38
MLP implementation (2) 07:48
MLP implementation (3) 07:48
MLP implementation (4) 05:04
섹션 2. 손실 함수(Loss Functions)
수업 자료
Loss Functions 이론 52:47
Softmax Loss 14:27
Loss Functions 추가 이론 36:17
Softmax 연습문제(1) 풀이 01:48
Softmax 연습문제(2) 풀이 + Regularization 11:22
섹션 3. 오차역전파(Backpropagation)
수업 자료
Derivatives 22:37
Gradients 52:15
연습문제 풀이 06:07
Computation Graphs 27:39
(Example) 2-Layer Net 설명 33:29
(Example) 2-Layer Net 학습 구현 15:17
Activation Functions (1) 21:18
Activation Functions (2) 02:39
Activation Functions (3) 09:12
섹션 4. 최적화(Optimization)
수업 자료
Optimization Algorithms 01:04:37
Nesterov 연습문제 풀이 11:03
RMSProp, Adam 연습문제 풀이 07:45
Optimization Strategies 44:11
Implementation Issues 37:12
섹션 5. CNNs
수업 자료
Convolution 이론 01:06:25
Convolution 구현 18:44
col2im 연습문제 풀이 08:10
CNN 이론 56:21
CNN 구현 23:23
Transfer Learning 09:33
섹션 6. 단어 벡터(Word Vectors)
수업 자료
Word Vectors 이론 01:03:10
Preprocessing 02:45
Count-Based Methods (1) 07:29
Count-Based Methods (2) 06:36
Count-Based Methods (3) 11:50
Word2Vec (1) 03:10
Word2Vec (2) 03:23
Word2Vec (3) 15:08
Word2Vec (4) 04:24
Word2Vec (5) 25:12
Word2Vec (6) 20:36
Word2Vec (7) 02:48
Word2Vec (8) 04:23
섹션 7. RNNs
수업 자료
RNN 이론 53:56
RNN 구현(1) 08:50
RNN 구현(2) 07:03
Language Models 13:23
LM 학습 25:08
LSTM 이론 37:09
LSTM 구현 09:04
섹션 8. Seq2Seq
수업 자료
Seq2Seq (1) 28:53
Seq2Seq (2) 03:15
Seq2Seq (3) 29:56
Improved Seq2Seq 24:21
Attention (1) 06:58
Attention (2) 11:50
Attention (3) 06:55
섹션 9. Transformers
수업 자료
Transformers 34:00
Pretraining Decoders 28:16
Pretraining Encoders 20:26
Hugging Face Transformers 실습(1) 43:17
Hugging Face Transformers 실습(2) 19:38
강의 게시일 : 2024년 03월 27일 (마지막 업데이트일 : 2024년 03월 27일)
수강평
수강생분들이 직접 작성하신 수강평입니다.
아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️