Thumbnail
깜짝 할인 중
인공지능 딥러닝 · 머신러닝

자바스크립트 머신러닝 TensorFlow.js 대시보드

(4.6)
9개의 수강평 ∙  269명의 수강생
30% 132,000원 92,400원

월 18,480원

5개월 할부 시
지식공유자: 김영보
총 63개 수업 (6시간 15분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변: 미제공
폴더에 추가 공유

중급자를 위해 준비한
[웹 개발] 강의입니다.

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

✍️
이런 걸
배워요!
자바스크립트 환경에서의 머신러닝 개념
자바스크립트와 TensorFlow.js로 머신러닝 구현 코드
자바스크립트 환경에서 머신러닝 활용

자바스크립트로 머신러닝을!
깊고, 넓고, 디테일하게 배워보세요.

자바스크립트 머신러닝 TensorFlow.js
내용이 깊고 넓으며 디테일합니다.

머신러닝, 딥러닝은 피할 수 없는 대세이며, 개발자에게 있어 이제는 상식입니다. 머신러닝을 하지 않더라도 적어도 강좌 내용 정도는 알고 있어야 합니다. 한편, 자바스크립트 개발자에게는 접근성이 떨어졌습니다.

본 강의가 이런 어려움을 해결하게 될 것입니다. 이젠 자바스크립트로 머신러닝, 딥러닝을 구현할 수 있습니다.

📢 수강 전 확인해주세요!

  • 강의에서 사용된 소스 코드를 파일로 제공하지 않습니다. 수강 신청에 참고하시기 바랍니다.

강의 주요 내용

  • 자바스크립트 환경에서 머신러닝, 딥러닝 개념을 다룹니다.
  • 자바스크립트와 TensorFlow.js로 머신러닝을 구현하는 형태와 코드를 다룹니다.
  • 강의에 필요한 수학(행렬, 미분 등)을 다룹니다. 수학을 몰라도 강의를 들을 수 있습니다.

연관 강의

자바스크립트 로드맵 바로가기 (40% 할인)

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
자바스크립트 환경의 머신러닝 개념을 아시려는 분
머신러닝을 하고 싶은데 무엇부터 해야 하는지 알고 싶은 분
자바스크립트와 TensorFlow.js로 머신러닝을 구현하려는 분
📚
선수 지식,
필요할까요?
자바스크립트 기본

안녕하세요
김영보 입니다.
김영보의 썸네일

40년 넘게 소프트웨어를 개발했으며, 지금도 개발하고 있습니다. 
23년 넘게 JavaScript 중심으로 개발했습니다.

동영상: 10개
자바스크립트 비기너, 자바스크립트 중고급
모던 자바스크립트(ES6+) 기본, 모던 자바스크립트(ES6+) 심화
DOM 기본, DOM 인터랙션
React 비기너, React 완전 끝내기
요구분석 구현 방법
자바스크립트 머신러닝 TensorFlow.js

저서: 9권
몰입! 자바스크립트, ECMAScript 6, HTML5, DOM 스크립팅
자바스크립트 정규표현식, 요구분석을 위한 Event Process 모델링
머신러닝 TensorFlow.js JavaScript, Ajax 활용, prototype.js 완전분석  
9권 중에서 8권은 국내 최초 저자입니다.
특히, "머신러닝 TensorFlow.js JavaScript"는 출판하는 시점에 amazon.com에 관련된 책이 없었습니다.

 

커리큘럼 총 63 개 ˙ 6시간 15분의 수업
이 강의는 영상이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 2. TensorFlow.js 소개
1. TensorFlow.js 개요: TensorFlow.js, TensorFlow.js 사용 형태 06:11
2. TensorFlow.js 구성-1 06:27
3. TensorFlow.js 구성-2 04:51
4. TensorFlow.js 활용 데모: 이미지 분류, 게임 컨트롤, 사용 가능 모델, 이미지 기반 모델, 오디오 모델 06:29
섹션 3. Tensor와 Flow
1. Tensor와 Flow 개념 04:19
2. Tensor 계산 08:22
3. 역전파 05:18
4. tf.Tensor 구조: 값 관련 용어, Tensor 생성 07:41
섹션 4. 벡터, 행렬
1. 벡터: 벡터 형태, 벡터 덧셈, 벡터 브로드캐스팅 04:43
2. 벡터 내적, 외적 04:20
3. 행렬: 행렬 형태, 행렬 덧셈, 행렬 브로드캐스팅 04:05
4. 행렬 곱하기, 행렬 나누기, 행렬 내적 곱셈 05:29
섹션 5. 머신러닝 모델링
1. 모델 학습 단계 04:36
2. 데이터 세트: 학습 데이터 세트, 검증 데이터 세트, 테스트 데이터 세트 05:50
3. 데이타와 모델 변수 정의 07:42
4. 예측 모델, 손실함수, 평균제곱오차, 옵티마이저 06:04
5. 모델 학습 06:38
6. 모델 테스트, 모델 평가, 튜닝, 배포 03:09
섹션 6. 선형 회귀
1. 선형/비선형, 선형 회귀, 선형 회귀 모델 가설 04:05
2. 학습 측정 기준, 비용 함수, 효용 함수 04:42
3. 두 점 사이 거리, L1 Norm, L2 Norm 05:40
4. 표준편차: 편차, 분산, 표준편차, 잔차 05:30
5. 손실함수, 손실함수 패널티, 평균제곱오차, 평균제곱오차 계산 07:35
6. 손실함수 값 코드 06:01
7. L1 손실함수, L2 손실함수 05:40
8. Huber 손실함수, Pseudo-Huber 손실함수 05:05
섹션 7. 경사 하강법
1. 경사 하강법 개요, 경사, 기울기, 경사 하강법 전제 05:57
2. 기울기: 기울기와 미분, 수렴, 수렴과 극한 05:18
3. 기울기와 평균 변화율: 변화량, 증분, 기울기, 평균변화율, 기울기 계산 07:20
4. 기울기 변화, 기울기와 학습시간, 미분과 모델 학습 05:50
5. 학습률: 스텝 사이즈, 반복 횟수, 발산 05:28
섹션 8. 배치, 확률적, 미니 배치 경사 하강법
1. 배치 경사 하강법: 학습 데이터 사용 형태, 배치 경사 하강법의 장단점 06:17
2. 배치 사이즈, 에폭, 아웃라이어, 붓꽃 데이터 세트 05:03
3. 확률적 경사 하강법, 손실함수 값 비교 04:43
4. 미니배치 경사 하강법, 미니배치 경사 하강법 장점 05:50
5. 배치 사이즈와 학습률 06:47
섹션 9. 옵티마이저
1. 옵티마이저 개념: 지역, 전역 최솟값, 지역 최솟값 벗어나기, 옵티마이저 목적, 옵티마이저 논리 06:59
2. Momentum, Nesterov 옵티마이저 06:51
3. AdaGrad, AdaDelta 옵티마이저 07:16
4. RMSProp, Adam, AdaMax 옵티마이저 07:34
섹션 10. 선형 회귀 정규화
1. 개요, L1 정규화, L1 정규화 모델 코드 07:08
2. Ridge, Elastic Net 회귀 06:05
섹션 11. 로지스틱 회귀
1. 로지스틱 회귀 예측 기준: 클래스, 정규화, 로직스틱 회귀 04:19
2. 시그모이드 함수 03:36
3. 로지스틱 회귀 분류: 로지스틱 회귀 가설, 로지스틱 회귀 분류 논리, 손실함수, 손실함수 특징 06:02
4. 결정 경계, 로지스틱 회귀 모델, 로지스틱 회귀 예측 09:25
섹션 12. 활성화 함수
1. 활성화 함수 처리 흐름, 반환 값 형태, TF.js 코드 형태 04:53
2. hardSigmoid, step 활성화 함수 06:27
3. ReLU, LeakyReLU, ReLU6 활성화 함수 06:42
4. softplus, tanh, softsign 활성화 함수 06:19
5. ELU, SELU 활성화 함수 04:58
섹션 13. 소프트맥스 회귀
1. 소프트맥스 회귀 개요, 확률로 접근, 소프트맥스 회귀 확률 05:01
2. 소프트맥스 함수 개요, 소프트맥스 함수 특징, 확률 계산 방법 07:03
3. One-Hot 인코딩, One-Hot 인코딩 코드 05:53
4. 소프트맥스 회귀 손실함수, 소프트맥스 회귀 모델 05:19
5. 소프트맥스 회귀 모델 코드 06:47
섹션 14. 손글씨 MNIST
1. MNIST 데이터 세트, MNIST 모델, MNIST 학습 단계, 모델 학습 요소 기술 06:21
강의 게시일 : 2020년 03월 31일 (마지막 업데이트일 : 2020년 03월 31일)
수강평 총 9개
수강생분들이 직접 작성하신 수강평입니다.
4.6
9개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
SS thumbnail
5
머신러닝 책을 여러 권 펼쳤다 덮었습니다. 머신러닝 포기자였습니다. 하지만 이 강의로 머신러닝을 다시 공부할 수 있는 자신감이 생겼습니다. 수포자도 쉽게 이해할 수 있습니다. 심지어 이해가 가서 재미가 있습니다. 아직 강의를 다 듣지는 못했지만 머신러닝과 조금은 친해진 것 같고 tf.js를 어디에 응용해 볼지 가슴이 두근두근하답니다. 이렇게 좋은 강의로 머신러닝 포기자를 구해 주셔서 감사합니다~
2020-04-21
지식공유자 김영보
감사합니다. 멋있는 작품을 기대합니다.^^
2020-04-22
developer.han thumbnail
5
선생닌 강좌는 언제든 엄지 척~!
2021-02-27
지식공유자 김영보
감사합니다.
2021-02-27
김태훈 thumbnail
4
TensorFlow.js 에 대한 수업이라기보다는 머신러닝에대한 기초 공부라고 생각하면 좋을거 같습니다. 전반적인 기초 공부를 하는데에는 큰 도움이 되었는데 실제로 TensorFlow.js를 돌려보는 실습과 같은 부분은 아쉬운 부분이 많은 거 같습니다. 코드가 있긴한데 실제적으로 학습시켜 브라우저 상에서 돌려보는 부분은 마지막 수업 때 한번 보여주는 것에 그쳐서 제가 활용하고자 한다면 추가적으로 공부가 필요할거 같습니다. python으로 tensorflow로 공부를 해보았었는데 복습 겸해서 js로 다시 공부한다고생각하는 마음으로 수업에 임하신다면 실습에 아쉬움은 있지만 만족스럽게 공부할 수 있다고 생각합니다.
2022-06-12
강성찬 thumbnail
5
너무좋아요
2023-01-02
지식공유자 김영보
감사합니다^^
2023-01-02
JungSuk Byun thumbnail
5
좋은 강의였습니다
2022-03-20
지식공유자 김영보
감사합니다^^
2022-03-20