인프런 - 라이프타임 커리어 플랫폼

YOLO(You Only Look Once) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

U-Net 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

데이터의 세계로 첫발을 내딛고 싶으신가요? AI의 핵심 기술인 머신러닝과 딥러닝을 파이썬과 함께 배워보세요. 이 강의는 머신러닝과 딥러닝의 기초부터 실제 응용까지, 단계별로 친절하게 안내합니다. 전통적인 머신러닝과 딥러닝은 많은 부분에서 동일한 원리와 기술 체계에 기반하고 있습니다. 따라서 본 강의에서는 두 가지를 별도의 과목으로 분리하지 않고 하나의 연결된 과정으로 구성하여 입문자가 머신러닝 전반에 걸친 이해도를 높일 수 있도록 하였습니다.

GPT-1(Improving Language Understanding by Generative Pre-Training) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

본 강의는 추천시스템의 기본개념부터 딥러닝 적용원리까지 다룹니다. 협업 필터링, 콘텐츠 기반 필터링, 하이브리드 추천 시스템 등 다양한 추천 알고리즘을 배우며 추천 서비스 개발을 위한 실무역량을 키워보세요!

이 강의를 통해 강화학습의 기본 이론을 익히실 수 있습니다.

100회 이상 진행한 딥러닝 교육 경험을 바탕으로, 수강생들이 가장 많이 어려워했던 핵심 기초 이론을 체계적으로 정리한 강의입니다. 이 강의는 비전공자도 이해할 수 있도록 수학적 직관, 모델 학습 원리, 코드 구현을 단계적으로 연결해 설명하며, 단순한 라이브러리 사용법이 아닌 AI 모델이 학습되는 근본 구조와 작동 원리를 깊이 있게 다룹니다. 경사하강법, 오차 함수, 최적화, 퍼셉트론, 다층 신경망, 오차역전파 등 딥러닝의 핵심 기초 기술을 직접 수식과 코드로 구현해 보면서, AI 원리를 이해하는 실력 있는 엔지니어로 성장하도록 설계된 실전형 입문 과정입니다.

심층 강화학습(Deep Reinforcement Learning)에 대한 필수 이론 학습을 통해 강화학습 기초 개념을 탄탄히 다지고, TensorFlow를 이용한 실제 코드 구현 실습을 통해 심층 강화학습의 원리를 자세히 학습할 수 있는 강의입니다.

딥러닝 핵심이론과 최신 TensorFlow 2.0을 이용한 딥러닝 코드 구현을 한번에 배울 수 있는 강의입니다.

인공신경망 알고리즘을 이용해서 딥러닝 모델 및 CNN 모델을 만드는 방법을 소개합니다.

DNN, CNN, RNN? 어려워보이는 전문 용어도 본 강의를 통해 딥러닝의 핵심 알고리즘을 완벽히 정리하여 실제로 활용해보는 딥러닝 실습 과정!

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

아마존 베스트 셀러인 <핸즈온 머신러닝 2판>의 내용을 다룬 강의입니다. 대표적인 머신러닝 라이브러인 사이킷런을 사용하여 다양한 머신러닝 알고리즘과 평가 방법을 배웁니다. 또 가장 유명한 딥러닝 라이브러인 텐서플로와 케라스를 사용하여 인공 신경망부터 강화학습까지 이론과 실무를 다져 봅니다. 아직 모두 완료된 강의가 아닙니다. 매주 1~2개의 강의가 계속 추가될 예정입니다.

딥러닝(Deep Learning)을 텐서플로(Tensorflow)를 활용하여 학습할 수 있는 강의입니다. 선형(Linear) 회귀, 로지스틱(Logistic) 회귀, 소프트맥스(Softmax) 회귀 모델을 배우고, 최종적으로 패션 이미지를 분류할 수 있는 MLP 모델을 만들어보세요!

본 과정에서는 텐서플로우(Tensorflow) 라이브러리를 활용하여 데이터 예측을 하는 방법을 학습합니다. 라이브러리 학습과 샘플 데이터 분석을 병행하여 실전에 적용할 수 있는 데이터 분석, 처리 방법을 학습합니다.

텐서플로우 2.0의 기초 문법을 공부하고, 딥러닝의 이론을 텐서플로우 실습 코드로 익히게 됩니다.

인공지능의 공용어인 케라스와 파이썬을 이용하여 다양하고 유용한 머신러닝 회귀(Regression), 분류(Classification) 및 딥러닝 Neural Network 프로젝트를 이론과 함께 배우는 케라스 이론과 실전 종합 과정입니다.

딥러닝은 복잡한 함수의 조합으로 이루어진 신경망을 통해 데이터를 학습하는 기술입니다. 이 강의에서는 딥러닝의 핵심 개념을 수학적으로 이해하고, 이를 행렬 연산 관점에서 분석해봅니다. 특히 Python의 NumPy 라이브러리를 활용하여, 딥러닝의 순전파와 역전파 과정을 직접 구현해보며 파라미터가 어떻게 업데이트되는지 시각적으로 살펴봅니다. 복잡해 보이던 신경망 구조도 행렬 연산으로 풀어내면 명확해집니다. 이 강의는 코딩보다 개념 이해에 중점을 두고, 딥러닝의 원리를 수학적으로 직관적으로 익히고자 하는 학생들에게 적합합니다.

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.

최신 딥러닝 기법인 GAN, BERT, RNN, CNN을 파이썬과 텐서플로2를 기반으로 다양하고 유용한 프로젝트를 이론과 함께 만들면서 배우는 딥러닝 종합 프로젝트 과정입니다.