컴퓨터 과학을 위한 수학
Open Academy
무료
입문 / algorithms, computation, structures, MIT
이 과정은 과학 및 공학을 위한 기초 이산수학을 다루며, 컴퓨터 과학에 유용한 수학적 도구와 증명 기법에 초점을 맞춥니다. 학습자는 논리 기호, 집합, 관계, 그래프 이론, 상태 머신 및 알고리즘과 같은 주제를 탐구하게 됩니다.
입문
algorithms, computation, structures

이 과정은 이론과 응용을 모두 포함하여 딥러닝의 기초를 다룹니다. 주제에는 신경망 구조(MLP, CNN, RNN, 그래프 신경망, 트랜스포머), 딥러닝의 기하학 및 불변성, 오차 역전파 및 자동 미분, 고차원에서의 학습 이론 및 일반화, 그리고 컴퓨터 비전, 자연어 처리, 로보틱스에 대한 응용이 포함됩니다.
다양한 신경망 아키텍처 설계 및 구현
특정 작업을 위한 딥러닝 모델 분석 및 최적화
컴퓨터 비전 및 자연어 처리(NLP) 분야의 문제를 해결하기 위해 딥러닝 기술을 적용합니다.
학습 대상은
누구일까요?
딥러닝 모델 구현에 어려움을 겪는 데이터 사이언티스트들
AI 직무로 전환하고자 하는 소프트웨어 엔지니어들
자신의 프로젝트에 딥러닝을 적용하고자 하는 연구자들
선수 지식,
필요할까요?
기초 통계 및 확률 개념에 대한 이해
머신러닝 기초에 대한 이해
Python 또는 이와 유사한 언어를 사용한 프로그래밍 경험
1,614
명
수강생
8
개
수강평
5.0
점
강의 평점
105
개
강의
"언어가 학습의 장벽이 되지 않도록."
세계 유수 기관의 공개 강의를 전합니다.
번역과 자막 작업을 거쳐, 모든 학습자가 원어 부담 없이 강의를 따라갈 수 있도록 돕습니다.
전체
27개 ∙ (29시간 31분)
해당 강의에서 제공:
4. 강의 01. 딥러닝 입문
01:00:51
5. 강의 02. 신경망 학습 방법
01:19:34
7. 강의 04. 아키텍처: 그리드 (Grids)
01:23:56
8. 강의 05. 아키텍처: 그래프
01:21:14
13. 강의 10. 아키텍처: 메모리
01:13:28
16. 강의 13. 표현 학습: 이론
01:15:20
17. 강의 14. 생성 모델: 기초
01:21:18
21. 강의 18. 전이 학습: 모델들
01:25:41
22. 강의 19. 전이 학습: 데이터
01:15:43
26. 강의 24. 딥러닝을 위한 추론 방법들
01:23:12
27. PyTorch 튜토리얼
28:59
지식공유자님의 다른 강의를 만나보세요!
같은 분야의 다른 강의를 만나보세요!
무료