이 저장소는 aiffel에서 공부한 내용들을 저장한 저장소입니다
아이펠은 모두의연구소 에서 만든 AI 혁신학교입니다.
인공지능을 학습하는 데에 필요한 필수적인 지식들을 배웁니다.
Name | Description | |
---|---|---|
01 | 인공지능 개발자 첫 걸음 | Ubuntu, Python, Tenrminal, Anaconda |
02 | 터미널로 배우는 리눅스 | Linux, Process, Thread, File System |
03 | 개발자를 위한 첫 번째 필수 교양 | Git, Jupyter notebook |
04 | 파이썬으로 코딩 시작 | Python, Variable, Data structure, Control structure, Function, Class |
05 | 문자열, 파일 다루기 | Python, String, Text |
06 | 파이썬 잘하는 척 해보기 | Advanced, Python |
07 | 배열과 표 | Numpy, Array, Pandas, DataFrame |
08 | 데이터 시각화 | Pandas, Matplotlib, Seaborn |
09 | 데이터 전처리 | Feature Engineering, Encoding, Scaling, Feature Selection |
10 | 전설의 포켓몬 찾기 | EDA |
11 | 사이킷런으로 구현해보는 머신러닝 | scikit-learn |
12 | 파이썬으로 이미지 파일 다루기 | OpenCV |
13 | 파이썬 클래스 | Class, P |
14 | 딥러닝과 신경망의 본질 | DL, NN |
15 | Numpy로 NN 구현 | Numpy, CNN |
16 | 선형 회귀와 로지스틱 회귀 | Linear Regression, Logistic Regression |
17 | 비지도학습 | Unsupervised Learning |
18 | TF2 API 개요 | TF2, Keras API, Model, Layer |
19 | 딥네트워크 | CV, CNN, VGG, ResNet |
20 | 딥러닝 레이어(1) Linear, Convolution | Linear, Convolution |
21 | 딥러닝 레이어(2) Embedding, Recurrent | Embedding, Recurrent |
22 | Regularization | L1,L2 regularization, Dropout, Batch Norm |
23 | 활성화 함수의 이해 | Activation Function, Linear, Non-linear |
24 | Likelihood(MLE와 MAP) | Prior, Posterior, Likelihood, MLE, MAP |
25 | 정보이론 톺아보기 | Entropy, Cross Entropy, KL divergence |
26 | 멀티 프로그래밍 | Multi-Tasking,Programming,Threads,Process |
27 | 데이터베이스 | Databasse, sqlite3 |
28 | SQL | SQL, sqlite3 |
29 | 데이터 크롤링 | WEB, Data Crawling |
30 | 데이터 전처리 웹 만들기 | SQL, Flask, Data Preprocessing |
배운 지식들을 활용하여 다양한 모델을 구현합니다.
Name | Field | Description | |
---|---|---|---|
01 | 가위바위보 분류기 | Image Classification, CNN | Build first model to classify rock-scissor-paper |
02 | Iris 품종 분류 | Iris classification | Classficate Iris |
03 | 카메라 스티커앱 만들기 | Face detection, CV | Make camera sticker app |
04 | 작사가 인공지능 만들기 | LSTM | Build simple AI lyricsit |
05 | 나랑 닮은 연예인은? | Face Recognition, FaceNet | Face embedding vector extracting, measure simmilarity by the embedding vector |
06 | 나의 첫 번째 캐글 경진대회 | Kaggle, Competition | Submit my first kaggle notebook |
07 | 영화리뷰 텍스트 감상분석 | Text Classification, Gensim, Word2Vec | Analysis sentiment of movie reviews |
08 | 인물사진 만들기 | Semantic segmentation | Make portratis mode |
09 | 아티스트 추천하기 | CSR matrix, MF | Recommandate artists |
10 | 뉴스 요약봇 만들기 | Extractive/Abstractive, Attentional seq2seq | News summarizing bot |
11 | 폐렴 분류하기 | Medical Video & Data | Basic of medical video and handling medical data |
12 | 다음에 볼 영화 예측하기 | Session-based Recommendation | Predict next watching movie |
13 | 새로운 패션 만들기 | GAN, DCGAN | Image Generating |
14 | 주식 예측하기 | ARIMA | Predict stock price |
15 | 대화형 챗봇 만들기 | Transformer, encoder, decoder, self-attention | Conversation chat-bot |
16 | 흐린 사진 선명하게 | SRCNN, SRGAN, Super Resolution | Make low resolution image high |
동료들과 함께 학습합니다.
- 스탠포드 강의 cs231n 스터디입니다.
Name | Description | |
---|---|---|
02 | Image Classification | NN, k-NN, Wegiths Function |
03 | Loss Functions and Optimization | Loss function, SVM, Regularization, softmax, Optimizer, Gradinet Descent |
06 | Training Nerual Networks 1 | Sigmoid, ReLU, Weight Initalize, Batch Normalization, Learning Process |
07 | Training Neural Network 2 | Activation Function, SGD, Momentum, Adaagrad, RMSProp, Adam |
09 | CNN Architectures | LesNet-5, AlexNet, VGGNet, GoogleNet, ResNet, Residual Connections |
10 | Recurrent Neural Networks | CNN, RNN, LSTM, GRU |
- 도서 파이썬 코딩의 기술(Effictive Python) by Brett Slatkin 학습 스터디입니다.
- 칸아카데미 선형대수학 스터디입니다.