[딥러닝 전문가 과정 DL1231] Backpropagation과 야코비안 행렬 대시보드

초급자를 위해 준비한
[수학, 인공지능] 강의입니다.

딥러닝에서 가장 중요한 Backpropagation의 원리를 기초부터 심화까지 다루는 강의입니다.

딥러닝의 핵심 Backprogagation(역전파)!
원리부터 깊이있게 학습해 보세요.

오리엔테이션 영상

[L4DL] Project Currimulum 📑

_{전체화면 보기 (클릭)}

강의 목표

딥러닝을 동작시키는 엔진인 Backpropagation은 딥러닝 기초 과정 중 가장 심도있게 배워야 하는 부분입니다.

본 강의에서는 다음과 같이 Backpropagation을 통해 뉴럴 네트워크를 학습시키는 원리를 어떤 강의보다도 집중적으로 다룹니다.

Backpropagation을 이해하기 위해선 야코비안 행렬을 이해해야 하지만, 수학에서 다루는 야코비안 행렬은 딥러닝의 backpropagation을 표현하기에 부족한 점이 많습니다.

따라서 본 강의에서는 수학에서 다루는 야코비안 행렬을 확장하여 딥러닝의 backpropagation을 설명합니다.

배우는 내용

본 강의에서는 미분의 기초부터

다변수 함수의 미분을 거쳐

벡터함수의 미분을 다루고

딥러닝의 backpropagation을 설명하기 위한 확장된 야코비안을 배웁니다.

Backpropagation 실습

본 강의에서는 이론적으로 배운 backpropagation을 이용하여 간단한 모델을 학습시켜 봅니다.

학습된 모델의 결과를 어렵지 않은 선에서 관찰하고, 학습의 원리를 분석해봅니다.

_{인프런의 강의 콘텐츠는 Creative commons 저작자표시-비영리-변경금지 라이선스에 따라 이용할 수 있습니다.}

이런 분들께 추천드려요!