10분 동안 즐기는 딥러닝
10분 동안 즐기는 딥러닝
별점 (평점 0점 ) 수강후기 0개
인공지능
New 총 29 강의 / 총 22시간 56분
Top10 지금 뜨는 강좌 순위 3위
인공지능, 머신러닝 그리고 딥러닝의 이론과 실제를 10분으로 완성해보세요. 핵심만을 담은 필수 이론 강의로 각 개념의 정의와 구조를 한 번에 정리할 수 있습니다.

강좌소개

무엇을 배울 수 있나요?
  • 퍼셉트론과 인공신경망 · CNNS & RNNS · Auto Encoder · Attention · YOLO ·SSD · LSTM 등 폭넓은 딥러닝 이론
누가 배우면 좋을까요?
  • 머신러닝/딥러닝에 관심이 있는 분
  • AI·딥러닝 등 데이터사이언스 분야의 개발자를 준비하고 계시는 분

 

4차 산업혁명의 트렌드인 머신 러닝과 딥러닝! 

용어만 얼핏 들어봤다면 이제는 정확하게 개념을 정리해보세요.

한 강의, 한 강의 10분씩 듣다 보면 어느새

딥러닝의 개념의 자동으로 정리되는 강좌입니다. 

시간적 부담 없이 한 번에 개념완성!

실전 코딩을 시작하기 전에 밑바탕을 탄탄히 다져봅시다. 

 


어떤 내용 배우는지 궁금하신가요?
상세한 내용을 확인하고 선택해봐요.  

퍼셉트론과 인공신경망 

: 퍼셉트론과 인공신경망의 개념과 구조를 살펴보고 예제를 만나봅니다.

CNNs & RNNs 

: 컨볼루션 신경망인 CNNs 과 Regions with CNNs, 순환 신경망인 RNNs의 정의와 구조를 알아봅니다. 

GANs (Generative Adversarial Networks) 

: 적대적(Adversarial) 시스템으로 이미지를 생성하는 인공 신경망인 GANs의 최적화 과정, 비용 함수에 대해 알아봅니다.

WGAN (Wasserstein GANs) 

: WGAN 란? 적대적 생성 신경망의 비용함수를 Wasserstein Distance로 설정하여 최적화를 진행하는 신경망입니다.
WGAN의 정의와 구조를 알아보고 거리 함수에 대해서 학습해봅니다.

SSD (Single Shot MultiBox Detector) 

: SSD 모델의 등장 배경과 정의를 알아봅시다. 

DIM (Deep InfoMax) 

: Deep InfoMax 구조를 알아보고 표현학습과 상호 정보량에 대해 학습해봅니다. 

AutoEncoder 

: AutoEncoder란 차원 축소 등을 위해 표현학습 또는 특징학습을 비지도 학습의 형태로 학습하는 신경망입니다.
 AutoEncoder와 함께 변분 추론을 오토 인코더의 구조를 통해 구현한 생성 신경망인 VAE에 대해 알아봅시다. 

GumBolt (VAE with Boltzmann Machine 

: GumBolt는 VAE의 사전 확률분포를 검벨 최대화 기법을 활용한 볼츠만 머신으로 구현한 것입니다.
오토 인코더와의 관계를 함께 알아봅니다.

LSTM  

: 순환신경망 (RNN)의 구조에 장기/단기 기억을 가능하게 설계한 신경망입니다. 의의와 구조를 한 번에 정리해봅시다. 

Attention 

: 어텐션 메커니즘이란? 어텐션 메커니즘은 인산의 시각적 집중 현상을 구현하기 위한 신경망적 기법을 말합니다.
 기계번역에서의 어텐션 메커니즘의 구조를 살펴봅시다.
 또 Self – Attention 기법을 사용한 Transformer Networks을 알아봅니다. 

YOLO 

: 물체 인식을 수행하기 위해 고안된 심층 신경망입니다. YOLO 모델의 절차와 구조를 살펴봅시다. 


자체 제작 학습자료로 배우는 10분 딥러닝
강의 내용을 확인해봐요!

 

 

 

 

 


강사소개

크리에이터 소개


커리큘럼

Part 1. deep learning

Chap 1. Introduction
Chap 4. GANs(Generative Adversarial Networks)
Chap 5. WGAN (Wasserstein GANs)
Chap 6. SSD(Single Shot MultiBox Detector)
Chap 7. DIM(Deep InfoMax)
Chap 8. AutoEncoder
Chap 10. LSTM
Chap 11. Attention
Chap 12. YOLO

수강후기

별점 0점 수강후기 0개
별점 분포
  • 5점 0명
  • 4점 0명
  • 3점 0명
  • 2점 0명
  • 1점 0명

공지사항

등록된 공지사항이 없습니다.