무료
지식공유자: GIST-ACSL
총 77개 수업 (24시간 28분)
수강기한: 
무제한
수료증: 미발급
난이도: 
입문
초급
중급이상
지식공유자 답변이 제공되는 강의입니다
초급자를 위해 준비한
[딥러닝 · 머신러닝] 강의입니다.
딥러닝 라이브러리 없이 바닥부터 알고리즘들을 구현하며 원리를 제대로 파헤쳐 봅시다 :)
✍️
이런 걸
배워요!
이런 걸
배워요!
딥러닝 알고리즘 작동 원리
빈틈 없는 딥러닝 알고리즘 구현
다양한 주요 딥러닝 모델 응용 예시
이런 분들께 추천드려요!
🎓
학습 대상은
누구일까요?
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-ACSL 입니다.
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 0. Preliminary
6 강
∙ 2시간 23분
섹션 1. 퍼셉트론(Perceptrons)
6 강
∙ 1시간 26분
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)
6 강
∙ 1시간 56분
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)
10 강
∙ 3시간 10분
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)
6 강
∙ 2시간 44분
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
7 강
∙ 3시간 2분
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)
14 강
∙ 2시간 50분
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
8 강
∙ 2시간 34분
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
8 강
∙ 1시간 52분
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
6 강
∙ 2시간 25분
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)