“꽂히는” 딥러닝 (Deep Learning) - 총 22 강

강의 목록
NO	Preview	제목 (클릭하세요)
1		[딥러닝] 1-1강. 선형 회귀 | 머신러닝 기초부터 탄탄히!!
2		[딥러닝] 1-2강. 경사 하강법 vs Newton's method | 선형 회귀 풀이
3		[딥러닝] 1-3강. 그라디언트가 왜 가장 가파른 방향을 향할까? #방향도함수 #directional_derivative
4		[딥러닝] 1-4강. 선형 회귀에서 "선형"의 찐의미
5		[딥러닝] 2-1강. 인공 신경망 (ANN: Artificial Neural Network)
6		[딥러닝] 2-2강. 활성화 함수 (Activation function)
7		[딥러닝] 3-1강. 퍼셉트론과 MLP
8		[딥러닝] 3-2강. 로지스틱 회귀 (Logistic regression)로 보는 머신이 강아지를 학습하는 과정 | 이진 분류 문제 #Likelihood
9		[딥러닝] 3-3강. 소프트맥스 회귀 (Softmax regression)로 보는 머신이 동물을 분류하는 과정 | 다중 분류 문제 #Cross_Entropy
10		[딥러닝] 3-4강. 분류도 사실 회귀다!
11		[딥러닝] 4강. 정보 이론 기초 15분 컷! (엔트로피, 크로스-엔트로피, KL-divergence, Mutual information)
12		[딥러닝] 5-1강. 스칼라를 벡터로 미분 | 10분 투자로 평생가는 실력!
13		[딥러닝] 5-2강. 벡터를 벡터로 미분 & 스칼라를 행렬로 미분
14		[딥러닝] 5-3강. 복소수로 미분하는 방법
15		[딥러닝] 6-1강. 역전파 (Backpropagation) | 딥러닝 시대를 열어준 단 한줄의 수식!!
16		[딥러닝] 6-2강. 확률적 경사 하강법 (SGD: Stochastic Gradient Descent)
17		[딥러닝] 6-3강. ReLU 딥러닝 판도를 바꾸다!!
18		[딥러닝] 7-1강. 합성곱 신경망 (CNN: Convolutional Neural Network) | 뇌 벌려! CNN 들어간다!
19		[딥러닝] 7-2강. CNN의 효율성: Stride와 Max pooling
20		[딥러닝] 7-3강. 이제 CNN 논문도 읽을 수 있게 됩니다
21		[딥러닝] 8강. Universal Approximation Theorem 신들린 설명
22		[딥러닝] 9강. "최고의 17분!" 가장 깔끔한 배치 정규화 (Batch Normalization) 설명

 

혁펜하임