ajy720 / dlforall Goto Github PK

김성훈 교수님의 모두를 위한 딥러닝 강좌 실습 레파지토리

강의 페이지

강의 영상

정리 페이지(notion)

1. (11/11) 공부 시작
   • 01강. 기본적인 머신러닝의 용어와 개념, tensorflow 환경 설정
   • 02강. Linear Regression의 Hypothsis와 Cost
2. (11/13)
   • 03강. cost 최소화 알고리즘의 원리(Gradient Descent Algorithm)
3. (11/16)
   • 03강. cost 최소화 알고리즘 구현
   • 04강. 행렬을 이용한 Multi-Variable Linear Regression 이론
4. (11/17)
   • 04강. 행렬을 이용한 Multi-Variable Linear Regression 구현
   • 04강. 파일에서 데이터 받아오기, filename Queue 사용하기
5. (11/18)
   • 05강. Logistic Classification의 가설 함수 정의
   • 05강. Logistic Regression의 cost 함수 설명
6. (11/23)
   • 05강. Logistic Regression 구현하기
   • 06강. Softmax Regression (Multinomial Logistic Regression)의 Hypothesis와 Cost function 이론
7. (11/25)
   • 06강. Softmax Classifier 구현하기
   • (Practice) 붓꽃 데이터 Classification
8. (11/27)
   • 07-1강. Learning rate, Overfitting, Regularization
9. (12/2)
   • 07-2강. Training/Testing Data set, Online Learning
   • 07강. training/testing data set, learning rate, normalization 실습
   • 07강. MNIST dataset 실습
10. (12/4)
    • 08강. XOR 문제, Neural Network, MLP
    • 08강. Backpropagation, Deep Learning의 시작
11. (12/11)
    • 08강. Tensor Manipulation
12. (12/14)
    • (번외) 미분 알고가기
13. (12/15)
    • 9-1강. Neural Nets(NN) for XOR
14. (12/17)
    • 9-2강. Backpropagation
15. (12/21~22)
    • 9강. Tensorboard
16. (12/24)
    • 10-1강. ReLU
    • 10-2강. RBM, Xavier/He initialization
    • 10-3강. Dropout, Ensemble