edwith 딥러닝 교육 목차 - (수강완료)

딥러닝 1단계: 신경망과 딥러닝

• 딥러닝 소개
  • 환영합니다! 업데이트 : 2020.11.05좋아요24 11-9
  • 신경망은 무엇인가?업데이트 : 2020.07.28좋아요22 11-9
  • 신경망을 이용한 지도학습업데이트 : 2020.09.23좋아요18 11-10
  • 왜 딥러닝이 뜨고 있을까요? 업데이트 : 2020.07.31좋아요18 11-10
• 신경망과 로지스틱회귀
  • 이진 분류업데이트 : 2020.09.17좋아요22 11-10
  • 로지스틱 회귀업데이트 : 2020.08.02좋아요9 11-10
  • 로지스틱 회귀의 비용함수업데이트 : 2020.08.03좋아요17 11-10
  • 경사하강법업데이트 : 2020.10.01좋아요11 11-10
  • 미분업데이트 : 2020.09.18좋아요7 11-11
  • 더 많은 미분 예제업데이트 : 2020.07.11좋아요8 11-11
  • 계산 그래프업데이트 : 2020.07.11좋아요9 11-11
  • 계산 그래프로 미분하기업데이트 : 2020.07.13좋아요8 11-11
  • 로지스틱 회귀의 경사하강법업데이트 : 2020.07.13좋아요8 11-11
  • m개 샘플의 경사하강법업데이트 : 2020.10.01좋아요9 11-11
• 파이썬과 벡터화
  • 벡터화업데이트 : 2020.10.01좋아요11 11-12
  • 더 많은 벡터화 예제업데이트 : 2020.07.13좋아요10 11-12 
  • 로지스틱 회귀의 벡터화업데이트 : 2020.09.04좋아요10 11-12
  • 로지스틱 회귀의 경사 계산을 벡터화 하기업데이트 : 2020.07.13좋아요9 11-12 
  • 파이썬의 브로드캐스팅업데이트 : 2020.10.06좋아요11 11-12
  • 파이썬과 넘파이 벡터업데이트 : 2020.07.14좋아요10 11-12
  • Jupyter/iPython Notebooks 가이드업데이트 : 2020.07.14좋아요5 11-12
  • 로지스틱 회귀의 비용함수 설명업데이트 : 2020.09.24좋아요17 11-12
• 얕은 신경망 네트워크
  • 신경망 네트워크 개요업데이트 : 2020.07.14좋아요9 11-12
  • 신경망 네트워크의 구성 알아보기업데이트 : 2020.07.14좋아요6 11-12
  • 신경망 네트워크 출력의 계산업데이트 : 2020.07.14좋아요11 11-12 
  • 많은 샘플에 대한 벡터화업데이트 : 2020.09.24좋아요8 11-12
  • 벡터화 구현에 대한 설명업데이트 : 2020.07.16좋아요11 11-13
  • 활성화 함수업데이트 : 2020.09.02좋아요10 11-13 
  • 왜 비선형 활성화 함수를 써야할까요?업데이트 : 2020.09.02좋아요11 11-13
  • 활성화 함수의 미분업데이트 : 2020.07.16좋아요8 11-13
  • 신경망 네트워크와 경사 하강법업데이트 : 2020.10.21좋아요11 11-13
  • 역전파에대한 이해업데이트 : 2020.07.17좋아요12 11-17
  • 랜덤 초기화업데이트 : 2020.07.17좋아요9 11-17
• 심층 신경망 네트워크
  • 더 많은 층의 심층 신경망업데이트 : 2020.10.21좋아요10 11-17
  • 정방향전파와 역방향전파업데이트 : 2020.10.22좋아요9 11-17
  • 심층 신경망에서의 정방향전파업데이트 : 2020.10.22좋아요10 11-17 
  • 행력의 차원을 알맞게 만들기업데이트 : 2020.10.22좋아요7 11-17
  • 왜 심층 신경망이 더 많은 특징을 잡아 낼수 있을까요?업데이트 : 2020.07.17좋아요7 11-17
  • 심층 신경망 네트워크 구성하기업데이트 : 2020.07.17좋아요6 11-17
  • 변수 vs 하이퍼파라미터업데이트 : 2020.07.17좋아요5 11-17
  • 인간의 뇌와 어떤 연관이 있을까요?업데이트 : 2020.07.17좋아요5 11-17 
• 다음 코스 안내
  • 다음 코스: 심층 신경망 성능 향상시키기

 

---

딥러닝 2단계: 심층 신경망 성능 향상시키기

• 머신러닝 어플리케이션 설정하기
  • Train/Dev/Test 세트업데이트 : 2020.07.22좋아요8  11-18
  • 편향/분산업데이트 : 2020.09.08좋아요8 11-18
  • 머신러닝을 위한 기본 레시피업데이트 : 2020.09.08좋아요8 11-18
• 신경망 네트워크의 정규화
  • 정규화업데이트 : 2020.08.07좋아요6 11-18
  • 왜 정규화는 과대적합을 줄일 수 있을까요?업데이트 : 2020.08.07좋아요8 11-18
  • 드롭아웃 정규화업데이트 : 2020.08.10좋아요7 11-18
  • 드롭아웃의 이해업데이트 : 2020.09.02좋아요4 11-18
  • 다른 정규화 방법들업데이트 : 2020.08.12좋아요7 11-18 
• 최적화 문제 설정
  • 입력값의 정규화업데이트 : 2020.08.12좋아요4 11-19
  • 경사소실/경사폭발업데이트 : 2020.09.07좋아요6 11-19
  • 심층 신경망의 가중치 초기화업데이트 : 2020.08.12좋아요5 11-19
  • 기울기의 수치 근사업데이트 : 2020.08.12좋아요5 11-19
  • 경사 검사업데이트 : 2020.08.12좋아요5 11-19 
  • 경사 검사 시 주의할 점업데이트 : 2020.08.13좋아요4 11-19
• 최적화 알고리즘
  • 미니 배치 경사하강법업데이트 : 2020.08.13좋아요6 11-19 
  • 미니 배치 경사하강법 이해하기업데이트 : 2020.08.13좋아요3 11-19
  • 지수 가중 이동 평균업데이트 : 2020.08.13좋아요4 11-19 
  • 지수 가중 이동 평균 이해하기업데이트 : 2020.08.13좋아요4 11-19
  • 지수 가중 이동 평균의 편향보정업데이트 : 2020.09.09좋아요6  11-19
  • Momentum 최적화 알고리즘업데이트 : 2020.08.13좋아요5 11-20
  • RMSProp 최적화 알고리즘업데이트 : 2020.08.13좋아요6 11-20 
  • Adam 최적화 알고리즘업데이트 : 2020.08.13좋아요5 11-20
  • 학습률 감쇠업데이트 : 2020.08.13좋아요5 11-20 
• 하이퍼파라미터 튜닝
  • 튜닝 프로세스업데이트 : 2020.08.13좋아요5 11-20 
  • 적절한 척도 선택하기업데이트 : 2020.08.13좋아요5 11-20 
  • 하이퍼파라미터 튜닝 실전업데이트 : 2020.08.13좋아요6 11-20 
• Batch Normalization
  • 배치 정규화업데이트 : 2020.08.13좋아요6 11-21
  • 배치 정규화 적용시키기업데이트 : 2020.08.13좋아요7 11-21
  • 배치 정규화가 잘 작동하는 이유는 무엇일까요?업데이트 : 2020.08.13좋아요5 11-22
  • 테스트시의 배치 정규화업데이트 : 2020.08.13좋아요4 11-22
• 다중 클래스 분류
  • Softmax Regression업데이트 : 2020.08.13좋아요6 11-22
  • Softmax 분류기 훈련시키기업데이트 : 2020.08.13좋아요5 11-22
• 프로그래밍 프레임워크 소개
  • 지역 최적값 문제업데이트 : 2020.08.13좋아요5 11-22
  • Tensorflow업데이트 : 2020.08.13좋아요8 11-22
• 다음 코스 안내
  • 다음 코스: 머신러닝 프로젝트 구조화하기업데이트 : 2020.08.12

---

딥러닝 3단계: 머신러닝 프로젝트 구조화하기

• ML전략 소개
  • 머신러닝 전략 개요업데이트 : 2020.10.28좋아요6 11-23
  • 직교화업데이트 : 2020.08.13좋아요5 11-23
• 목표설정하기
  • 단일 실수 평가 기준업데이트 : 2020.08.13좋아요6 11-23
  • 최적화 척도 만족시키기업데이트 : 2020.08.13좋아요5 11-23 
  • Train/Dev/Test 세트 분포업데이트 : 2020.08.13좋아요5 11-24 
  • Dev 와 Test 세트의 크기업데이트 : 2020.08.13좋아요6 11-24
  • 언제 Dev/Test 세트를 바꿔야할까요?업데이트 : 2020.08.13좋아요5 11-24 
• 사람 수준의 성능과 비교하기
  • 왜 사람 수준의 성능을 봐야할까요?업데이트 : 2020.08.13좋아요6 11-24 
  • 회피 가능 편향업데이트 : 2020.08.13좋아요5 11-27
  • 사람 수준의 성능 이해하기업데이트 : 2020.08.13좋아요6 11-27
  • 사람 수준의 성능 뛰어넘기업데이트 : 2020.08.13좋아요5 11-27
  • 모델 퍼포먼스 향상시키기업데이트 : 2020.08.13좋아요6 11-27
• 오차 분석
  • 오차 분석하기업데이트 : 2020.08.13좋아요5 11-27 
  • 잘못 라벨링된 데이터 해결하기업데이트 : 2020.07.10좋아요4 11-28 
  • 첫 모델은 빠르게 만들고 실행해라업데이트 : 2020.08.13좋아요5 11-28
• Training 과 Dev/Test 세트의 불일치
  • 훈련과 테스트 세트가 서로 다른 분포에 있는 경우업데이트 : 2020.08.14좋아요5 11-30
  • 훈련-개발 세트업데이트 : 2020.08.14좋아요6 11-30
  • 데이터 분포 불일치 문제업데이트 : 2020.08.14좋아요5 11-30 
• 다양한 문제로 부터 학습시키기
  • 전이학습(Transfer Learning)업데이트 : 2020.08.14좋아요5 11-30
  • 다중 작업 학습(Multitask Learning)업데이트 : 2020.08.14좋아요5 11-30
• End-to-end Deep Learning
  • End-to-End Deep Learning 은 무엇인가요?업데이트 : 2020.07.11좋아요4 11-30
  • End-to-End Deep Learning 사용여부업데이트 : 2020.07.11좋아요4 11-30
• 다음 코스 안내
  • 다음 코스: 합성곱 신경망 네트워크 (CNN)

---

딥러닝 4단계: 합성곱 신경망 네트워크 (CNN)

• 합성곱 신경망 (Convolutional Neural Networks)
  • 컴퓨터비전업데이트 : 2020.07.11좋아요9 12-1
  • 모서리 감지 예시업데이트 : 2020.07.11좋아요11 12-1
  • 더 많은 모서리 감지 예시업데이트 : 2020.07.12좋아요8 12-1
  • 패딩 (Padding)업데이트 : 2020.07.12좋아요10 12-1
  • 스트라이드 (Stride)업데이트 : 2020.07.12좋아요8 12-1 
  • 입체형 이미지에서의 합성곱업데이트 : 2020.07.12좋아요9 12-2 
  • 합성곱 네트워크의 한 계층 구성하기업데이트 : 2020.07.12좋아요9 12-2 
  • 간단한 합성곱 네트워크 예시업데이트 : 2020.08.15좋아요8 12-2 
  • 풀링(Pooling)층업데이트 : 2020.07.12좋아요6 12-2 
  • CNN 예시업데이트 : 2020.09.07좋아요8 12-2 
  • 왜 합성곱을 사용할까요?업데이트 : 2020.09.07좋아요9 12-2 
• 케이스 스터디
  • 왜 케이스 스터디를 하나요?업데이트 : 2020.09.15좋아요9 12-3
  • 고전적인 네트워크들업데이트 : 2020.09.15좋아요9 12-3
  • Resnets업데이트 : 2020.07.19좋아요7 12-3 
  • 왜 ResNets 이 잘 작동할까요?업데이트 : 2020.07.12좋아요6 12-3 
  • Network 속의 Network업데이트 : 2020.09.09좋아요6 12-3 
  • Inception 네트워크의 아이디어업데이트 : 2020.09.16좋아요5 12-3 
  • Inception 네트워크업데이트 : 2020.07.13좋아요6 12-3 
• ConvNets 을 위한 실질적인 조언들
  • 오픈소스를 활용해라업데이트 : 2020.07.13좋아요5 12-4 
  • 전이학습업데이트 : 2020.07.13좋아요6 12-4 
  • 데이터 확대업데이트 : 2020.07.13좋아요5 12-4 
  • 컴퓨터 비전 시스템을 구축하기 위한 팁업데이트 : 2020.07.13좋아요4 12-4 
• 탐지 알고리즘
  • 물체 로컬리제이션업데이트 : 2020.07.14좋아요7 12-4
  • 특징점 탐지업데이트 : 2020.07.14좋아요6 12-4 
  • 물체 인식 (Object Detection)업데이트 : 2020.07.14좋아요5 12-4 
  • 합성곱으로 슬라이딩 윈도 구현하기업데이트 : 2020.07.14좋아요5 12-7
  • 경계 상자 (Bounding Boxes) 예측하기업데이트 : 2020.07.14좋아요5 12-7 
  • 합집합 위의 교집합 (IOU)업데이트 : 2020.07.15좋아요3 12-8 
  • 비-최대값 억제 (Nonmax Suppression)업데이트 : 2020.07.15좋아요5 12-8 
  • 앵커 박스 (Anchor Boxes)업데이트 : 2020.07.15좋아요4 12-8
  • YOLO 알고리즘업데이트 : 2020.07.15좋아요6 12-8 
  • 지역 제안 알고리즘 (Optional)업데이트 : 2020.07.15좋아요5 12-8 
• 얼굴 인식
  • 얼굴 인식이란?업데이트 : 2020.07.15좋아요5 12-8 
  • 원샷 학습 (One Shot Learning)업데이트 : 2020.07.15좋아요5 12-8
  • 샴 네트워크 (Siamese Network)업데이트 : 2020.07.16좋아요5 12-8
  • 삼중항 손실 (Triplet loss)업데이트 : 2020.07.16좋아요3 12-8 
  • 얼굴 검증 및 이진 분류업데이트 : 2020.07.16좋아요3 12-8 
• 신경망 스타일 변형 (Neural Style Transfer)
  • 신경망 스타일 변형이란?업데이트 : 2020.07.20좋아요4 12-9
  • CNN 이 학습하고 있는 것은 무엇일까요?업데이트 : 2020.07.16좋아요3 12-9 
  • 비용함수업데이트 : 2020.07.16좋아요2 12-9
  • 내용(Content) 비용함수업데이트 : 2020.07.16좋아요3 12-9
  • 스타일(Style) 비용함수업데이트 : 2020.07.16좋아요3 12-9
  • 1D 와 3D 로의 일반화업데이트 : 2020.08.18좋아요1 12-9 
• 마무리 안내
  • 코스 마무리업데이트 : 2018.12.09좋아요0