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