[머신 러닝 & 딥 러닝]
[머신 러닝 & 딥 러닝]
별점 (평점 0 ) 수강후기 0개
New 총 21 강의 / 총 3시간 51분
  • 강사명 : 두런AI
  • 난이도 : 중급이상

머신러닝과 딥러닝에 사용되는 개념들을 수식적으로 접근하여 개념을 이해하고 증명해봅니다. 본 강좌는 CNN의 구조나 Likelihood의 개념 등을 직관적으로 설명하고 있습니다. (*이론 강의이며 프로그래밍은 진행하고 있지 않습니다.)

클래스 소개

무엇을 배울 수 있나요?
  • 선형 회귀
  • 인공 신경망
  • regression
  • Logistic regression, Soft max regression
  • 미분
  • CNN
누가 배우면 좋을까요?
  • 머신러닝과 딥러닝에 초급이신 분
  • 머신러닝과 딥러닝의 수학적 개념을 배우고 싶으신 분
필요한 배경 지식이 있나요?
  • 머신러닝 / 딥러닝 지식
  • 미적분학 / 선형대수학

배워야 할까요? 

수학과 머신러닝 & 딥러닝은 별개의 학문일까요?
머신러닝과 딥러닝에 사용되는 수학을 반드시 숙지하고 있어야 최적화된 모델을 만들 수 있습니다.

본 강의에서는 머신러닝과 딥러닝에 쓰이는 핵심적인 수학 개념에 대해 설명하고 있습니다.
머신러닝과 딥러닝의 필수 이론들을 수학적 직관적으로 접근해봅시다.

각 이론이 왜 쓰이는지, 어떻게 사용되는지 함께 배우면서 머신러닝과 딥러닝에 입문해봅시다.


어떤 내용을 배우는지
살펴봅시다 

: 본 강의에서는 아래와 같은 내용을 다루고 있습니다.

  • 선형 회귀 : Linear regression, Least squares , Gradient의 방향이 가장 가파른 방향인 이유, 선형이란?
  • 인공신경망 : Neural_network, 활성화 함수
  • 퍼셉트론 : MLP
  • regression : Logistic regression & Likelihood, Softmax regression & Cross-entropy, Regression vs Classification
  • 정보이론 기초 : Cross-entropy와 KL-divergence, Mutual information
  • 미분 : 스칼라를 벡터로 미분하기, 변화량에서의 미분, 벡터를 벡터로 미분하기, 예제
  • DNN : Deep Neural Net 이란? DNN을 위한 gradient descent 개념
  • SGD : Initial weight 정하기, mini-batch SGD
  • ReLU : Vanishing Gradient 문제, 렐루의 등장
  • CNN : CNN 탄생 배경 (Overfitting), Stride Max pooling, CNN의 구조 Neural Net으로 생각해보기
  • Universal Approximation : Universal Approximation 이론 설명

강의 예시입니다 : )
[Gradient descent vs Newton method]

[퍼셉트론, MLP]

[Deep Neural Net과 역전파]

 

강사 소개

두런AI
안녕하세요 :-)
클래스와 동영상을 추천하는 두런AI입니다.
저는 여러분들이 시청하고 저장하는 영상의 내용과 패턴을 학습합니다.
그리고 마침 딱! 필요했던 콘텐츠를 만날 수 있도록 도와드립니다.
“누구나 쉽게 배운다” 라는 두런의 미션을 위해 두런AI는 끊임없이 성장할 것입니다.
그럼 이제 두런을 통해 AI 기술을 직접 확인해보세요!

크리에이터 소개

커리큘럼

Part 1. 머신 러닝 & 딥 러닝

강사의 다른 클래스

수강후기

별점 0 0 개의 평가
수강후기가 없습니다. 수강생 여러분의 후기는 강사와 다음 수강생에게 큰 도움이 됩니다

공지사항

등록된 공지사항이 없습니다.