Nắm vững các khái niệm học sâu để ứng dụng vào trí tuệ nhân tạo thực tiễn
Đây là khóa học cung cấp những kiến thức thiết yếu cần có để hiểu cấu trúc và nguyên lý hoạt động của nhiều loại mạng nơ-ron nhân tạo khác nhau, đồng thời xây dựng các mô hình tốt.
1,395 học viên
Độ khó Nhập môn
Thời gian Không giới hạn
- Chưa giải quyết
다중레이어 경사하강법에서 질문
안녕하세요 강사님Loss 함수가 아닌 y_hat부터 미분 하는 이유가 뭔가요?W_11이 Loss의 결과에 미치는 영향을 알기 위해 Loss함수 부터 미분 해야 하지 않나요?? ㅠ
머신러닝딥러닝인공신경망ioip06073438
・
0
316
2
- Đã giải quyết
XOR파트에서 입력표현 방식
안녕하세요 강사님 오랜만에 다시 복습중입니다.XOR문제 6:30쯤에 입력을 행렬로 만들어서 사용 하는데요그 전까지는 입력을 열벡터로 표현 했었는데 다수의 입력을 표현 할때는 왜 행벡터로 표현이 되었는지 궁금합니다.
머신러닝딥러닝인공신경망ioip06073438
・
1
335
2
- Đã giải quyết
경사하강법에서 다중레이어에서의 가중치를 구할 때 식이 이해가 가질 않습니다 ㅠ.ㅠ
y hat을 w11로 미분한 값을 구할 때 위 표시처럼 2가 곱해져야 하는 게 아닌가요
머신러닝딥러닝인공신경망dbswltn191143
・
1
410
1
- Đã giải quyết
경우에 따른 최적의 활성화 함수 선정하는 방법
안녕하세요 호형 선생님. 강의 잘 들었습니다. 이번 ' 개념편 4강 활성화 함수 ' 에서 질문이 있습니다. 진행하는 업무에 따라 ( 인공 신경망의 각 층에 적
머신러닝딥러닝인공신경망taechoon
・
0
491
2
- Đã giải quyết
전이학습 강의 중 질문이 있어서 남깁니다.
전이학습 부분에서 질문이 있습니다! 전이학습 종류는 총 네 가지로 나눌 수 있다고 하셨는데, network-base를 제외하고는 모두 Imagenet 과 같은 대용량의 데이터를 직접 받아 학습에 사용하는 것인가요?저도 지금 딥러닝 관련 분야에서 일을 하고 있는
머신러닝딥러닝인공신경망youda
・
0
305
1
- Đã giải quyết
XOR 파트에서 질문 있습니다.
초반에 bias를 열벡터로 표현시다가 강의 6분부터는 행 벡터로 나오는데요 bias에는 Transpose 표기가 되어 있지 않습니다 왜그런지 궁금합니다
머신러닝딥러닝인공신경망ioip06073438
・
0
302
1
- Đã giải quyết
SGD + 모멘텀 등의 코드
안녕하세요 강사님 ㅎㅎ강의 너무 잘 듣고 있습니다.다름이 아니라.15:40 에 많이 사용하는 것이SGC + 스케줄링 또는 SGD + 모멘텀 + 스케줄링 이라고 말씀하셨는데요.해당 부분을 코드로 나타내면
머신러닝딥러닝인공신경망kundol
・
0
506
1
- Đã giải quyết
bias가 왜 필요한지 정확하게 모르겠습니다.
저는 인공지능 관련 학과에 재학중입니다. 저학년 때 공부를 덜 해서 기초가 부족함을 느끼고 호형님 강의로 기초 공부를 하고 있는데요, 교수님께서 강의하실 때도 항상 궁금했던 건데 은닉층 사이 weight값들이 있음에도 불구하고 bias가 왜 있는건지가 궁금합니다.
머신러닝딥러닝인공신경망youda
・
2
1,236
1
- Đã giải quyết
LSTM 모형의 이해
선생님 이해가 잘 안가는 부분이 있습니다 LSTM을 보면 f, i, s~, o 전부 같은 x, h t-1의 데이터를 쓰고 있지만 각각의 다른 가중치를 쓰는 것은 이해를 했습니다그런데 input, forget 게이트에서 얼만큼 잊고, 얼만큼 받아 드린다
머신러닝딥러닝인공신경망shingeon944656
・
1
648
1
- Chưa giải quyết
RNN 가중치 w,u,l shape 질문
안녕하세요 선생님 RNN에 대한 알고리즘을 공부하다가 가중치의 shape를 보면서 이해가 가지 않아서 질문을 드립니다 a(t)안에 있는 원소들의 shape들이 달라도 weight를 통해서 n*1의 형태로 만드는 것은 이해를 했는데
머신러닝딥러닝인공신경망shingeon944656
・
1
400
1
- Chưa giải quyết
과적합 판단 방법에 대해 질문 드립니다.
안녕하세요, 강연자님의 자세하고 좋은 강의 잘 듣고 있습니다! 과적합 판단 방법에 대해 몇 가지 질문 드리려고 합니다.강의 복습 및 응용을 위해 5개의 Dense Layer로 구성된 DNN 실험을 진행해봤습니다. 데이터셋
머신러닝딥러닝인공신경망nssecsswu6976
・
0
2,384
1
- Chưa giải quyết
Adversarial-based Transfer Learning과 GAN에 대해 질문 드립니다
안녕하세요!강연자님의 친절하고 유익한 강의 잘 듣고 있습니다 :) Adversarial-based Transfer Learning과 GAN에 대해 몇 가지 질문 드리려고 합니다. Adversarial-based Tr
머신러닝 배워볼래요?인공신경망딥러닝nssecsswu6976
・
1
687
1
- Chưa giải quyết
모멘텀 기반, 가변학습률, adam 식 보충 설명 요구
여러가지 최적화 방법에서 모멘텀 기반과 가변학습률 식의 설명이 부족하다고 생각되어 보충 설명을 요구드립니다. 기존의 확률적 경사 하강법(SGD)의 경우 손실함수 L을 가중치로 미분하고 step size를 곱하여 가중치에서 뺀 후 새로운 가중치로 업데이트 한다는 공
인공신경망머신러닝 배워볼래요?딥러닝juliaanswls5140
・
1
557
1
- Chưa giải quyết
알아두기 2.3.8 이진 교차 엔트로피 함수 식 괄호 여부 질문
안녕하세요. 알아두기 2.3.8 이진 교차 엔트로피 함수의 손실을 나타내는 식에서 마지막 괄호가 짝이 없는데 뒤에 나오는 차랑 보유 유무 문제 예시에서 유추해 보았을 때 식에서 시그마 뒤에 여는 괄호가 누락 된 건가요?
인공신경망머신러닝 배워볼래요?딥러닝juliaanswls5140
・
0
360
1
- Chưa giải quyết
공식 표현이 이해가 안됩니다...
안녕하세요. 좋은 강의 감사합니다.내용 자체가 너무 어려워서 그런지 공식이 머리에 잘 안들어옵니다... 수학 기호로 잘 표현하지 못한 점 양해 부탁드립니다.손실함수 공식에 Ex하고 Ez부분이 있던데 이게 어떻게 나온건지 잘 모
공식딥러닝머신러닝 배워볼래요?인공신경망icll50720802
・
0
448
1
- Chưa giải quyết
Input size 및 노드수 관련 문의
딥러닝에서 input size는 입력층의 노드수를 의미한다고 학습했습니다. 여기서 노드는 data의 변수 하나하나를 의미한다고 이해했는데, 맞나요? 실전 파이토치 강의에서 코드 짜신거 보면 x_seq의 행의 갯수로 설정하신것도
머신러닝 배워볼래요?인공신경망딥러닝rhdisp8288
・
1
564
2
- Chưa giải quyết
안녕하세요 비지도학습 문의드려요
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아
딥러닝인공신경망머신러닝 배워볼래요?dlwodbd7870
・
1
241
1
- Chưa giải quyết
강의 공부 내용을 정리해서 개인 블로그에 업로드해도 괜찮을까요?
<p style="box-sizing: border-bo
인공신경망딥러닝머신러닝 배워볼래요?juni51841689
・
0
398
1
- Chưa giải quyết
손실함수 교차엔트로피 함수
1.여기서 정답값의 원핫벡터중에서 y1과y3가 같은데 같은 데이터가 들어왔다고 생각하면 될까요? <img src="https://cdn.inflearn.com/public/files/posts/18fb80b2-f805-4b7c-87c4-2b92b8a9
손실함수딥러닝인공신경망머신러닝 배워볼래요?cheongsu0305361432
・
0
1,100
3
- Đã giải quyết
계산 오류 (영상 16:04~16:53)
단순 계산 오류 영상 16:04~16:53 f(u1,u2) = >계산해서 = 2(u1)*2 + 1*y = 4(u1) + y = 4(2x+y) +y = 8x + 5y 결과는 8x+5y가 되는 것 같
머신러닝 배워볼래요?딥러닝인공신경망katherine
・
2
299
1