1. |
|
기계학습의 구조 |
본 강의는 인공신경망 강의에 대한 오리엔테이션을 제공하며 지도학습에 대해 소개한다. |
|
2. |
|
선형 회귀 |
본 강의는 간단한 선형 회귀 모델과 특징 스케일링에 대해 소개한다. |
|
3. |
|
선형 분류 |
본 강의는 선형 분류 모델인 퍼셉트론에 대해 소개한다. |
|
4. |
|
로지스틱 회귀 |
본 강의는 확률적 분류 모델인 로지스틱 회귀 모델에 대해 소개한다. |
|
5. |
|
순방향 신경망 |
본 강의는 순방향 신경망과 이를 학습하기 위한 역전파 알고리즘을 소개한다. |
|
6. |
|
딥러닝의 정규화 |
본 강의는 딥러닝 모델의 정규화를 수행하기 위한 다양한 방법들을 소개한다. |
|
7. |
|
딥러닝의 최적화 |
본 강의는 딥러닝 모델의 학습을 위한 다양한 경사하강법 방법들과 활성화 함수에 대해 소개한다. |
|
8. |
|
합성곱 신경망 (1) |
본 강의는 합성곱 신경망을 소개하며 이미지 분류로의 응용을 설명한다. |
|
9. |
|
합성곱 신경망 (2) |
본 강의는 합성곱 신경망의 응용인 전이 학습과 객체 검출에 대해 소개한다. |
|
10. |
|
순환 신경망 |
본 강의는 시계열 데이터를 다루는 다양한 순환 신경망 모델에 대해 소개한다. |
|
11. |
|
단어 임베딩과 언어 모델 |
본 강의는 단어를 벡터로 표현하는 다양한 방법과 이를 활용한 언어 모델에 대해 소개한다. |
|
12. |
|
기계 번역 |
본 강의는 기계 번역을 위한 통계적인 방법과 신경망 기반 방법 및 어텐션 기법을 소개한다. |
|
13. |
|
트랜스포머 |
본 강의는 최신 인공신경망을 이루고 있는 셀프 어텐션과 트랜스포머를 소개한다. |
|
14. |
|
생성형 인공지능 모델 |
본 강의는 생성형 인공지능을 다루며 VAE, GAN 등의 다양한 생성형 인공지능 모델을 소개한다. |
|