수업 소개 영상 및 공지사항
챕터 1. 함수에 대하여
챕터 2. 신경망 첫걸음
챕터 3. 역전파를 위한 미분 개념 다지기
챕터 4. 최적화 방법 기초 다지기
챕터 5. 선형 모델
-
챕터 학습자료 자운받기
-
사이킷런 선형 모델 (19:17)
-
다항특성 실험 (11:37)
-
선형 회귀의 데이터 행렬 (18:12)
-
선형회귀 데이터 행렬과 선형 모델 (12:07)
-
선형회귀 기저함수 모델 1 (다항특성) (12:12)
-
선형회귀 기저함수 모델 2 (다항특성) (20:58)
-
선형회귀 목적함수 코딩하기 (15:50)
-
선형회귀 목적함수 미분 (13:18)
-
선형회귀 그레디언트 코딩하기 (16:26)
-
선형회귀 학습하기 (11:53)
-
오버피팅 개념 이해하기 (12:54)
-
오버피팅 해결을 위한 규제의 개념 (19:09)
-
선형회귀 L1, L2 규제와 제약 최적화의 관계 (24:23)
챕터 6. 로지스틱 회귀분석
챕터 7. 자동미분에 대하여
-
챕터 학습자료 다운 받기
-
연쇄법칙 복습 (5:51)
-
자동미분의 개념 (14:08)
-
파이토치 자동미분 기능에 대하여 (12:57)
-
파이토치 다변수 함수 자동미분 (7:06)
-
자동 미분의 원리 1 (7:26)
-
자동 미분의 원리 2 (9:19)
-
자동 미분 구현하기 1 (16:08)
-
자동 미분 구현하기 2 (12:22)
-
자동 미분 예제 코딩 실습 (17:10)
-
자동 미분을 이용한 로지스틱 회귀 1 (19:23)
-
자동 미분을 이용한 로지스틱 회귀 2 (8:34)
-
자동 미분을 이용한 로지스틱 회귀 3 (16:32)
-
자동 미분을 이용한 로지스틱 회귀 4 (7:36)
-
자동 미분을 이용한 로지스틱 회귀 5 (24:35)
-
자동 미분을 이용한 로지스틱 회귀 6 (11:56)
챕터 8. 다층 신경망
-
챕터 학습자료 다운받기
-
선형 분류기의 합성 (19:37)
-
다층 신경망 (12:12)
-
수치미분을 이용한 신경망 학습 (17:35)
-
역전파 알고리즘: 포워드 패스와 z2까지 미분하기 (22:28)
-
역전파 알고리즘: W2와 b2에 대해 미분하기 (21:01)
-
역전파 알고리즘: b1에 대해 미분하기 (17:54)
-
역전파 알고리즘: W1에 대해 미분하기 (20:26)
-
역전파 알고리즘의 일반규칙: 야코비안 전치와 연쇄법칙 (13:09)
-
데이터가 여러개일 때 역전파 이해하기 (18:42)
-
역전파를 이용한 신경망 학습 구현하기 (13:33)
-
fashion-mnist 실습 1 - 데이터 소개와 전처리 (9:11)
-
fashion-mnist 실습 2 - 레이어 가중치 초기화 (9:28)
-
fashion-mnist 실습 3 - 일반적인 N 레이어에 대한 역전파 알고리즘 코딩 (17:26)
-
fashion-mnist 실습 4 - 신경망 학습 및 마무리 (12:37)
