자바스크립트 머신러닝 TensorFlow.js
자바스크립트 머신러닝 TensorFlow.js
수강정보 84명의 수강생
55,000원
지식공유자 : 김영보
63회 수업 · 총 6시간 15분 수업
기간 : 60개월동안 무제한 시청
수료증 : 발급 강의
수강 난이도 : 중급이상

이 강의는

자바스크립트 환경에서 머신러닝 개념을 다룹니다. 자바스크립트와 TensorFlow.js로 머신러닝을 구현하는 형태와 코드를 다룹니다.


자바스크립트 머신러닝 TensorFlow.js
내용이 깊고 넓으며 디테일합니다.


머신러닝, 딥러닝은 피할 수 없는 대세이며, 개발자에게 있어 이제는 상식입니다. 머신러닝을 하지 않더라도 적어도 강좌 내용 정도는 알고 있어야 합니다. 한편, 자바스크립트 개발자에게는 접근성이 떨어졌습니다.


본 강좌가 이런 어려움을 해결하게 될 것입니다. 이젠 자바스크립트로 머신러닝, 딥러닝을 구현할 수 있습니다.

강좌 주요 내용


•자바스크립트 환경에서 머신러닝, 딥러닝 개념을 다룹니다.
•자바스크립트와 TensorFlow.js로 머신러닝을 구현하는 형태와 코드를 다룹니다.
•강좌에 필요한 수학(행렬, 미분 등)을 다룹니다. 수학을 몰라도 강좌를 들을 수 있습니다.

연관 강좌


함께 공부하면 좋은 책

머신러닝 TensorFlow.js JavaScript
국내 최초의 자바스크립트와
Tensorflow.js로 머신러닝을 구현하는 책입니다.

이런 걸 배워요

  • 자바스크립트 환경에서의 머신러닝 개념
  • 자바스크립트와 TensorFlow.js로 머신러닝 구현 코드
  • 자바스크립트 환경에서 머신러닝 활용

도움 되는 분들

  • 자바스크립트 환경의 머신러닝 개념을 아시려는 분
  • 머신러닝을 하고 싶은데 무엇부터 해야 하는지 알고 싶은 분
  • 자바스크립트와 TensorFlow.js로 머신러닝을 구현하려는 분

선수 지식

  • 자바스크립트 기본

공개 일자

2020년 3월 31일 (마지막 업데이트 일자 : 2020년 3월 31일)

지식공유자 소개

오랫동안 자바스크립트 중심으로 개발했습니다.

저서: 머신러닝 TensorFlow.js JavaScript, 몰입자바스크립트, ECMAScript 6, 요구분석을 위한 Event Process 모델링, Ajax 활용, prototype.js 완전분석, DOM 스크립팅자바스크립트 정규표현식, HTML5

9권 중에서 8권이 국내 저자 최초이며 특히, "머신러닝 TensorFlow.js JavaScript" 책을 출판하는 시점에 amazon.com에 관련된 책이 없었습니다.

아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️

교육과정

모두 펼치기 63 강의 6시간 15분
섹션 2. TensorFlow.js 소개
4 강의 23 : 58
TensorFlow.js 개요: TensorFlow.js, TensorFlow.js 사용 형태
06 : 11
TensorFlow.js 구성-1
06 : 27
TensorFlow.js 구성-2
04 : 51
TensorFlow.js 활용 데모: 이미지 분류, 게임 컨트롤, 사용 가능 모델, 이미지 기반 모델, 오디오 모델
06 : 29
섹션 3. Tensor와 Flow
4 강의 25 : 40
Tensor와 Flow 개념
04 : 19
Tensor 계산
08 : 22
역전파
05 : 18
tf.Tensor 구조: 값 관련 용어, Tensor 생성
07 : 41
섹션 4. 벡터, 행렬
4 강의 18 : 37
벡터: 벡터 형태, 벡터 덧셈, 벡터 브로드캐스팅
04 : 43
벡터 내적, 외적
04 : 20
행렬: 행렬 형태, 행렬 덧셈, 행렬 브로드캐스팅
04 : 05
행렬 곱하기, 행렬 나누기, 행렬 내적 곱셈
05 : 29
섹션 5. 머신러닝 모델링
6 강의 33 : 59
모델 학습 단계
04 : 36
데이터 세트: 학습 데이터 세트, 검증 데이터 세트, 테스트 데이터 세트
05 : 50
데이타와 모델 변수 정의
07 : 42
예측 모델, 손실함수, 평균제곱오차, 옵티마이저
06 : 04
모델 학습
06 : 38
모델 테스트, 모델 평가, 튜닝, 배포
03 : 09
섹션 6. 선형 회귀
8 강의 44 : 18
선형/비선형, 선형 회귀, 선형 회귀 모델 가설
04 : 05
학습 측정 기준, 비용 함수, 효용 함수
04 : 42
두 점 사이 거리, L1 Norm, L2 Norm
05 : 40
표준편차: 편차, 분산, 표준편차, 잔차
05 : 30
손실함수, 손실함수 패널티, 평균제곱오차, 평균제곱오차 계산
07 : 35
손실함수 값 코드
06 : 01
L1 손실함수, L2 손실함수
05 : 40
Huber 손실함수, Pseudo-Huber 손실함수
05 : 05
섹션 7. 경사 하강법
5 강의 29 : 53
경사 하강법 개요, 경사, 기울기, 경사 하강법 전제
05 : 57
기울기: 기울기와 미분, 수렴, 수렴과 극한
05 : 18
기울기와 평균 변화율: 변화량, 증분, 기울기, 평균변화율, 기울기 계산
07 : 20
기울기 변화, 기울기와 학습시간, 미분과 모델 학습
05 : 50
학습률: 스텝 사이즈, 반복 횟수, 발산
05 : 28
섹션 8. 배치, 확률적, 미니 배치 경사 하강법
5 강의 28 : 40
배치 경사 하강법: 학습 데이터 사용 형태, 배치 경사 하강법의 장단점
06 : 17
배치 사이즈, 에폭, 아웃라이어, 붓꽃 데이터 세트
05 : 03
확률적 경사 하강법, 손실함수 값 비교
04 : 43
미니배치 경사 하강법, 미니배치 경사 하강법 장점
05 : 50
배치 사이즈와 학습률
06 : 47
섹션 9. 옵티마이저
4 강의 28 : 40
옵티마이저 개념: 지역, 전역 최솟값, 지역 최솟값 벗어나기, 옵티마이저 목적, 옵티마이저 논리
06 : 59
Momentum, Nesterov 옵티마이저
06 : 51
AdaGrad, AdaDelta 옵티마이저
07 : 16
RMSProp, Adam, AdaMax 옵티마이저
07 : 34
섹션 10. 선형 회귀 정규화
2 강의 13 : 13
개요, L1 정규화, L1 정규화 모델 코드
07 : 08
Ridge, Elastic Net 회귀
06 : 05
섹션 11. 로지스틱 회귀
4 강의 23 : 22
로지스틱 회귀 예측 기준: 클래스, 정규화, 로직스틱 회귀
04 : 19
시그모이드 함수
03 : 36
로지스틱 회귀 분류: 로지스틱 회귀 가설, 로지스틱 회귀 분류 논리, 손실함수, 손실함수 특징
06 : 02
결정 경계, 로지스틱 회귀 모델, 로지스틱 회귀 예측
09 : 25
섹션 12. 활성화 함수
5 강의 29 : 19
활성화 함수 처리 흐름, 반환 값 형태, TF.js 코드 형태
04 : 53
hardSigmoid, step 활성화 함수
06 : 27
ReLU, LeakyReLU, ReLU6 활성화 함수
06 : 42
softplus, tanh, softsign 활성화 함수
06 : 19
ELU, SELU 활성화 함수
04 : 58
섹션 13. 소프트맥스 회귀
5 강의 30 : 03
소프트맥스 회귀 개요, 확률로 접근, 소프트맥스 회귀 확률
05 : 01
소프트맥스 함수 개요, 소프트맥스 함수 특징, 확률 계산 방법
07 : 03
One-Hot 인코딩, One-Hot 인코딩 코드
05 : 53
소프트맥스 회귀 손실함수, 소프트맥스 회귀 모델
05 : 19
소프트맥스 회귀 모델 코드
06 : 47
섹션 14. 손글씨 MNIST
1 강의 06 : 21
MNIST 데이터 세트, MNIST 모델, MNIST 학습 단계, 모델 학습 요소 기술
06 : 21
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의들을
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스