데이터 사이언스

처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 문제로 개념/활용 익히기) [데이터과학 Part2]

강사가 처음 머신러닝을 익혔을 때, 실패했던 경험을 바탕으로, 쉽게 머신러닝을 이해하고, 실제 문제에 적용할 수 있도록 기존 강의와 다르게, 새롭게 꾸민 강의입니다

파이썬 머신러닝 완벽 가이드

이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다.

머신러닝 엔지니어 실무

이 강의를 통해 머신러닝 프로젝트에서 겪게될 수 많은 시행착오를 줄일 수 있게 됩니다. 뤼이드의 머신러닝 파이프라인을 총책임지고 있는 제가 기본부터 잘 가르쳐드립니다.

15일간의 빅데이터 파일럿 프로젝트

AI에 생명력을 불어 넣는 빅데이터의 모든 과정들을 파일럿 프로젝트 형식으로 진행합니다. 요구사항을 파악해 단계별로 플랫폼을 구축하고, 다양한 데이터 탐색과 분석을 수행 합니다.

밑바닥 부터 시작하는 머신러닝 입문

본 강의는 TEAMLAB과 Inflearn이 함께 구축한 데이터 사이언스 과정의 두 번째 강의인 밑바닥 부터 시작하는 머신러닝 입문 입니다. 밑바닥부터 시작하는 머신러닝 입문은 Part I과 Part II로 구성되어 있습니다. 본 강의는 TEAMLAB과 Inflearn이 함께 준비한 WADIZ 펀딩의 지원을 받아제작되었습니다.

프로그래머를 위한 강화학습(저자 직강)

비즈니스 혁신의 핵심 기술 강화학습에 관한 가장 쉽고 상세한 강의!!! 하루 2시간(2개 강의) 17일 안에 강화학습을 당신의 손안에 넣어드립니다. 지금 이 시간부터 강화학습은 이해하기 어려운 문제가 아닌 당신을 위한 훌륭한 도구가 됩니다.

[PyTorch] 쉽고 빠르게 배우는 GAN

GAN(Generative Adversarial Networks)에 대하여 쉽고 정확하게 배워봅니다.

모두를 위한 딥러닝 - Deep Reinforcement Learning

홍콩과기대 김성훈 교수님의 "모두를 위한 딥러닝" 강좌 두번째 시즌으로 '강화학습' 에 대해 학습해 봅니다.

[PyTorch] 쉽고 빠르게 배우는 딥러닝

딥러닝의 기본 뼈대인 MLP부터 CNN, RNN까지 쉽고 빠르게 배워봅니다.

DataScience와 AI의 개념 (공부하는 방법)

DS/AI를 처음 접하고 공부하고자 하는 사람들에게 도움을 드리고자 제작한 강의입니다. DS/AI의 개념 그리고 어떠한 분야가 있는지에 대해 알려드리고 공부를 하려면 무엇부터 어떻게 공부를 해야 하는지 알려드립니다.

[모바일] 딥러닝 Computer Vision 실전 프로젝트

AI 인공지능, 모바일이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 모바일에서 어떻게 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 모바일 Computer Vision 프로젝트들을 같이 배워봅시다.

머신러닝 처음 시작하기 (기초 원리 + 초급 실습)

머신러닝을 처음 접하는 사람들을 대상으로 기초적인 머신러닝 이론을 간략하게 다룬 머신러닝 기초 강의입니다.

모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌

더 많은 분들이 머신 러닝과 딥러닝에 대해 더 이해하고 본인들의 문제를 이 멋진 도구를 이용해서 풀수 있게 하기위해 비디오 강의를 준비하였습니다. 더 나아가 이론에만 그치지 않고 최근 구글이 공개한 머신러닝을 위한 오픈소스인 TensorFlow를 이용해서 이론을 구현해 볼수 있도록 하였습니다.

만들면서 배우는 인공지능(강화학습 편)

본 강좌는 강화학습을 수학 없이 설명합니다. 개념을 쉽고 분명하게 배울 수 있습니다. 뿐만 아니라. 언어 중 제일 접근하기 쉬운 파이썬으로 작성해 놓은 RLkit 를 직접 코딩하면서 실제 틱택톡 게임을 구현하고 실행할 수 있습니다.

인공지능 R GO! 하자!

우리는 딥러닝, 인공지능이라는 미지의 세계로 긴 여행을 떠나려고 합니다. 복잡한 수식과 코딩은 잠깐 뒤로하고, R 과 Keras라는 날개를 달아 출발하도록 하겠습니다.

케라스, 인공지능의 공용어 완전정복

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.