[Deep Learning Expert Course DL1231] Backpropagation and Jacobian Matrix

Name: [Deep Learning Expert Course DL1231] Backpropagation and Jacobian Matrix
Price: 33000 KRW

This lecture covers the principles of Backpropagation, the most important part of deep learning, from the basics to advanced levels.

(5.0) 5 reviews

201 learners

asdfghjkl13551941

Deep Learning(DL)

Procession

Integral Differential

Reviews from Early Learners

What you will learn!

Deep Learning Core Basics (Backpropagation)
Mathematics related to deep learning
Matrix Calculus for Deep Learning
Learning Principles of Neural Networks

Backpropagation, the core of deep learning!
Learn deeply from the principles.

Orientation video

[L4DL] Project Curriculum 📑

_{View full screen (click)}

Course Objectives

"The Core of Deep Learning: Backpropagation! "

Backpropagation, the engine that runs deep learning, is the part that needs to be learned most deeply in the basic deep learning course.

This lecture covers the principles of training neural networks through backpropagation more intensively than any other lecture .

To understand backpropagation, you need to understand the Jacobian matrix, but the Jacobian matrix used in mathematics is insufficient in expressing backpropagation in deep learning.

Therefore, in this lecture, we will explain backpropagation in deep learning by extending the Jacobian matrix covered in mathematics .

What you learn

In this lecture, we will start from the basics of differentiation.

Through differentiation of multivariable functions

Deals with differentiation of vector functions

Learn the extended Jacobian to explain backpropagation in deep learning.

Backpropagation Practice

In this lecture, we will train a simple model using backpropagation, which we learned theoretically.

Observe the results of the learned model in an easy way and analyze the principles of learning.

_{Inflearn's course content is available under the Creative Commons Attribution-NonCommercial-NoDerivatives license.}

Recommended for
these people

Who is this course right for?

People who lack mathematical ability to study deep learning
Those who want to lay a solid foundation for deep learning
If you want to fully understand the principle of backpropagation
L4DL Curriculum Participants

Need to know before starting?

[L4DL Lecture] Operations of Deep Learning Networks

Hello
This is

3,078

Learners

127

Reviews

Answers

5.0

Rating

Courses

강의 이력

[멋쟁이 사자처럼] 인공지능중고급과정
[국립기상과학원] 2022년, 2023년, 2025년 기상 AI 부스트캠프
[삼성전기] 신입SW과정 전문반
[국가과학기술인력개발원] R&D 수행 역량 강화 장기 멘토링
[국가과학기술인력개발원] R&D 전문과정 이러닝 컨텐츠 제작
[국가과학기술인력개발원] 박사후연구원 연구 데이터 시각화 과정
[원광대학교] 원광대학교 AI 집체교육 및 AI 장단기과정
[한국지능정보사회진흥원] SW여성인재 교육
[SK m&service] 데이터 기반 의사결정
[한국IT비즈니스진흥협회] ICT COG Academy
[서울시 교육청] 신기술분야 연수
[KT] KT AI 역량향상 과정
[K-ICT] 데이터 안심구역 분석캠프
[경기도경제과학진흥원] 처음으로 배우는 비전 AI
[경기도경제과학진흥원] 파이썬 데이터 분석 입문
[서울과학기술원] AI 활용 심화교육
[서울대학교] AI 활용 역량강화 교육
[HD한국조선해양] AIC AI 연구직 역량 평가 개발
[멀티캠퍼스] 원리부터 구현까지, 머신러닝 핵심 알고리즘 마스터

[패스트캠퍼스] 수학적으로 접근하는 딥러닝
[패스트캠퍼스] 한 번에 끝내는 머신러닝과 데이터분석 A-Z
[패스트캠퍼스] 바이트 디그리 Lv.2 Deep Learning Essentials
[패스트캠퍼스] 딥러닝인공지능 초격차
[패스트캠퍼스] 컴퓨터 공학 초격차 VER.2

Curriculum

All

68 lectures ∙ (16hr 1min)

Course Materials:

Lecture resources

Section 1. Orientation

1 lectures ∙ (13min)

1. Orientation
13:33

Section 2. Backpropagation and Jacobian matrix in deep learning

4 lectures ∙ (58min)

2. Learning variables and gradients
25:10
3. Gradient-based Learning Implementation Practice
08:22
4. Introduction to Backpropagation
16:01
5. The Need for Jacobian Matrices
08:47

Section 3. Basic Differentiation

10 lectures ∙ (2hr 11min)

6. The concept of rate of change
17:10
7. Differentiation and Derivatives
09:35
8. Differentiation of constant functions and power functions
08:10
9. Differentiation of logarithmic and exponential functions
15:27
10. Differentiation of trigonometric functions and functions defined on intervals
08:43
11. Law of constant multiplication and law of sum
16:18
12. LTI system and differentiation
10:25
13. Differentiation of product and quotient
09:59
14. Composite functions and chain rules
20:26
15. Backpropagation module
15:19

Section 4. Multivariable functions and Jacobian matrices

10 lectures ∙ (2hr 45min)

Section 5. Linear/Logistic Regression(1)

7 lectures ∙ (1hr 54min)

Section 6. Vector functions and Jacobian matrices

5 lectures ∙ (1hr 9min)

Section 7. Element-wise operations and Jacobian matrix

7 lectures ∙ (1hr 37min)

Section 8. Linear/Logistic Regression(2)

3 lectures ∙ (59min)

Section 9. Total Derivative

5 lectures ∙ (1hr 4min)

Section 10. Extended Jacobian Matrix

4 lectures ∙ (53min)

Section 11. Extended Jacobian in Deep Learning

6 lectures ∙ (1hr 31min)

Section 12. MLP and extended Jacobian application

6 lectures ∙ (42min)

Published:

Last updated:

Reviews

All

5 reviews

5.0

5 reviews

배상훈
Reviews 1
∙
Average Rating 5.0
5
54% enrolled
많은 강의들을 들었지만 딥러닝 수학 강의는 제 경험상 이 강의가 최고입니다. 기본을 탄탄히 하고 싶으면 이 강의를 꼭 들으세요.
- 공대형아(신경식)
  Instructor
  제 의도를 잘 파악해주셔서 정말 감사합니다:) 앞으로도 좋은 강의 제공할 수 있도록 최선을 다하겠습니다!
dfiejf
Reviews 8
∙
Average Rating 4.9
5
100% enrolled
내가 아는 강의 중, 딥러닝 학습과정을 수학적으로 가장 친절하고 자세하게 설명한 제일 좋은 강의
Woo Hwan Park
Reviews 3
∙
Average Rating 4.7
5
100% enrolled
가려운 부분을 이해하는 데 상당한 도움이 되었습니다.
킹코브라
Reviews 6
∙
Average Rating 5.0
5
100% enrolled
딥러닝을 하기전 그리고 딥러닝을 수학적으로 접근해보고 싶은분들게 정말 추천드립니다. 기존의 딥러닝에 대한 대부분 강의는 단순한 모듈사용, 프로그래밍 코드사용법인데 이런식의 공부는 한계가 있다고 생각합니다. 간단한 ann 모델을 직접 수학적으로 이해하고 구현해봄으로서 인공지능 공부에 대한 탄탄한 실력을 develop할 수 있는 강의라고 생각합니다.
yschoigreat
Reviews 16
∙
Average Rating 4.9
5
100% enrolled
딥러닝이 원리에 대해서 이해하게 되는데 도움이 되었습니다. 강의 스타일이 아주 체계적이여서 쉽게 이해할 수 있었던 것 같습니다.

asdfghjkl13551941's other courses

Check out other courses by the instructor!

신경식의 딥러닝 - Gradient Descent

공대형아(신경식)

딥러닝의 가장 핵심적인 학습 알고리즘인 gradient descent를 집중적으로 학습하는 강의입니다.

초급

딥러닝, gradient-descent, 최적화이론

신경식의 딥러닝 - Gradient Descent

공대형아(신경식)

신경식의 딥러닝 - Gradients and PyTorch's Autograd

공대형아(신경식)

딥러닝을 시작하기 위해 필요한 기본적인 미분법과 PyTorch의 Autograd 기능을 배우는 강의입니다.

초급

딥러닝, 미적분, PyTorch

신경식의 딥러닝 - Gradients and PyTorch's Autograd

공대형아(신경식)

수학으로부터 인류를 자유롭게 하라(선형대수학 Part.I) - 벡터기하학

공대형아(신경식)

선형대수학의 첫 번째 강의로서, 벡터와 벡터의 연산을 기하학적으로 이해하는 강의입니다.

입문

선형대수학, 대수학

수학으로부터 인류를 자유롭게 하라(선형대수학 Part.I) - 벡터기하학

공대형아(신경식)

[PY 0201] 인공지능을 위한 파이썬 레벨1

공대형아(신경식)

파이썬의 기본 문법에 대해 많은 연습을 하는 강의입니다. 파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.

입문

Python, 인공지능(AI)

[PY 0201] 인공지능을 위한 파이썬 레벨1

공대형아(신경식)

수학으로부터 인류를 자유롭게 하라(기초대수학편)

공대형아(신경식)

중고등학교 과정에서 배우는 수학 내용들을 압축한 강의입니다. 필요한 수학적 지식, 테크닉들을 각 아이템마다 많은 연습과 함께 배웁니다.

입문

대수학

수학으로부터 인류를 자유롭게 하라(기초대수학편)

공대형아(신경식)

[PL 0303] 데이터 시각화를 위한 파이썬 - 맷플롯립 마스터 클래스

공대형아(신경식)

맷플롯립 라이브러리를 이용한 데이터 시각화를 다루는 강의입니다.

입문

Matplotlib, Python, 인공지능(AI)

[PL 0303] 데이터 시각화를 위한 파이썬 - 맷플롯립 마스터 클래스

공대형아(신경식)

[PY 0205] 인공지능을 위한 파이썬 레벨4 - 객체와 클래스

공대형아(신경식)

[인공지능을 위한 파이썬] 시리즈의 다섯 번째 강의입니다. 파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.

초급

Python, 인공지능(AI)

[PY 0205] 인공지능을 위한 파이썬 레벨4 - 객체와 클래스

공대형아(신경식)

[PY 0204] 인공지능을 위한 파이썬 레벨3 - 함수

공대형아(신경식)

[인공지능을 위한 파이썬] 시리즈의 네 번째 강의입니다. 파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.

입문

Python, 인공지능(AI)

[PY 0204] 인공지능을 위한 파이썬 레벨3 - 함수

공대형아(신경식)

[PL 0301] 파이썬 가상환경과 아나콘다

공대형아(신경식)

가상환경의 개념과 설정하는 방법을 배웁니다.

입문

Anaconda

[PL 0301] 파이썬 가상환경과 아나콘다

공대형아(신경식)

[PL 0302] 데이터 연산을 위한 파이썬 - 넘파이 마스터 클래스

공대형아(신경식)

넘파이의 사용법과 이를 이용한 실전연습을 진행하는 강의입니다.

입문

Numpy, Python, 인공지능(AI)

[PL 0302] 데이터 연산을 위한 파이썬 - 넘파이 마스터 클래스

공대형아(신경식)

[PY 0203] 디버깅 기초

공대형아(신경식)

[인공지능을 위한 파이썬] 시리즈의 세 번째 강의입니다. 파이썬 코드를 디버깅 하는 방법에 대해 배웁니다.

입문

Python, 인공지능(AI), debugging

[PY 0203] 디버깅 기초

공대형아(신경식)

[PY 0202] 인공지능을 위한 파이썬 레벨2

공대형아(신경식)

[인공지능을 위한 파이썬] 시리즈의 두 번째 강의입니다. 파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.

입문

Python, 인공지능(AI)

[PY 0202] 인공지능을 위한 파이썬 레벨2

공대형아(신경식)

수학으로부터 인류를 자유롭게 하라(미적분학 Part.I) - 미분

공대형아(신경식)

함수의 극한, 도함수, 미분법, 도함수 공식, 미분의 활용

입문

미적분

수학으로부터 인류를 자유롭게 하라(미적분학 Part.I) - 미분

공대형아(신경식)

수식 작성을 위한 레이텍(LaTeX) 튜토리얼

공대형아(신경식)

수식 작성을 위한 LaTeX의 사용법을 배우는 강의입니다.

입문

LaTeX

수식 작성을 위한 레이텍(LaTeX) 튜토리얼

공대형아(신경식)

Similar courses

Explore other courses in the same field!

딥러닝과 데이터분석을 위한 기초수학 (w.파이썬)

SKm&service

데이터 과학의 핵심은 방대한 데이터를 체계적으로 분석하는 능력을 지닌 인간을 잘 모방하는 것! 해당 과정을 통해 데이터 과학의 기본이 되는 과학적 모델링을 이해하기 위한 기초적인 수학 지식을 리마인드 할 수 있습니다.

입문

Python, mathematics, 미적분

딥러닝과 데이터분석을 위한 기초수학 (w.파이썬)

SKm&service

벡터 미적분학 시리즈4 - 적분 심화

조범희 (타블렛깎는노인)

이 강좌를 통해 다변수 함수의 적분 심화에 대한 지식을 쌓을 수 있습니다.

중급이상

미적분

벡터 미적분학 시리즈4 - 적분 심화

조범희 (타블렛깎는노인)

수학으로부터 인류를 자유롭게 하라(미적분학 Part.I) - 미분

공대형아(신경식)

함수의 극한, 도함수, 미분법, 도함수 공식, 미분의 활용

입문

미적분

수학으로부터 인류를 자유롭게 하라(미적분학 Part.I) - 미분

공대형아(신경식)

[Deep Learning Expert Course DL1231] Backpropagation and Jacobian Matrix

Reviews from Early Learners

What you will learn!

Orientation video

[L4DL] Project Curriculum 📑

Course Objectives

"The Core of Deep Learning: Backpropagation! "

What you learn

Backpropagation Practice

Recommended for these people

HelloThis is .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

강의 이력

Curriculum

Reviews

asdfghjkl13551941's other courses

Similar courses

Recommended for
these people

Hello
This is