쉽지만 깊게 이해하는 인공지능 이론 및 실전 프로젝트 with PyTorch

• 인공지능 이론(머신러닝, 딥러닝)부터 실전 프로젝트까지 진행합니다.
• 논문에 적힌 수식을 어렵지 않게 이해할 수 있도록 공부합니다.

목차 구성

• 강의 소개
• 선형대수학(Linear Algebra)
• PyTorch의 Tensor
• Linear Regression
• Cost Function - 최소 제곱법(LSM)
• 미분 기초
• 경사 하강(Gradient Descent)
• Linear Regression 바닥부터 구현
• 편미분 기초
• Linear Regression 바닥부터 구현(Bias 포함)
• 확률론 기초(기댓값, 분산, 공분산)
• 단순 Linear Regression의 수학적 풀이
• Linear Regression PyTorch로 구현
• Multivariable Linear Regression
• Multivariable Linear Regression 구현
• 이진 분류와 Sigmoid 함수
• Cost Function - Cross Entropy
• 이진 분류 바닥부터 구현
• 다항 분류
• 다항 분류 PyTorch로 구현
• 뉴런(Neuron)과 논리 게이트
• 논리 게이트 문제 풀이
• 선형 문제와 비선형 문제(XOR)
• 역전파(Backpropagation)
• XOR 문제 풀이
• 활성 함수
• Learning Rate와 Optimizer
• 초기 가중치와 정규화
• MNIST, CIFAR, ImageNet
• 이미지의 표현과 분류
• KNN 알고리즘
• CNN의 원리
• CNN 구현 with PyTorch
• 다양한 CNN 모델
• GAN의 원리
• 로그 함수의 미분
• 기댓값 관련 공식
• KL과 JSD
• GAN 논문 뜯어보기
• GAN 구현 with PyTorch