4차 산업혁명의 트렌드인 머신 러닝과 딥러닝!

용어만 얼핏 들어봤다면 이제는 정확하게 개념을 정리해보세요.
한 강의, 한 강의 10분씩 듣다 보면 어느새 딥러닝의 개념의 자동으로 정리되는 강좌입니다.
시간적 부담 없이 한 번에 개념완성!
실전 코딩을 시작하기 전에 밑바탕을 탄탄히 다져봅시다.

퍼셉트론과 인공신경망

퍼셉트론과 인공신경망의 개념과 구조를 살펴보고 예제를 만나봅니다.

-

CNNs & RNNs

컨볼루션 신경망인 CNNs 과 Regions with CNNs, 순환 신경망인 RNNs의 정의와 구조를 알아봅니다.

-

GANs (Generative Adversarial Networks)

적대적(Adversarial) 시스템으로 이미지를 생성하는 인공 신경망인 GANs의 최적화 과정, 비용 함수에 대해 알아봅니다.

-

WGAN (Wasserstein GANs)

WGAN 란? 적대적 생성 신경망의 비용함수를 Wasserstein Distance로 설정하여 최적화를 진행하는 신경망입니다.
WGAN의 정의와 구조를 알아보고 거리 함수에 대해서 학습해봅니다.

-

SSD (Single Shot MultiBox Detector)

SSD 모델의 등장 배경과 정의를 알아봅시다.

-

DIM (Deep InfoMax)

Deep InfoMax 구조를 알아보고 표현학습과 상호 정보량에 대해 학습해봅니다.

-

AutoEncoder

AutoEncoder란 차원 축소 등을 위해 표현학습 또는 특징학습을 비지도 학습의 형태로 학습하는 신경망입니다.
AutoEncoder와 함께 변분 추론을 오토 인코더의 구조를 통해 구현한 생성 신경망인 VAE에 대해 알아봅시다.

-

GumBolt (VAE with Boltzmann Machine

GumBolt는 VAE의 사전 확률분포를 검벨 최대화 기법을 활용한 볼츠만 머신으로 구현한 것입니다.
오토 인코더와의 관계를 함께 알아봅니다.

-

LSTM

순환신경망 (RNN)의 구조에 장기/단기 기억을 가능하게 설계한 신경망입니다.
의의와 구조를 한 번에 정리해봅시다.

-

Attention

어텐션 메커니즘이란? 어텐션 메커니즘은 인산의 시각적 집중 현상을 구현하기 위한 신경망적 기법을 말합니다.
기계번역에서의 어텐션 메커니즘의 구조를 살펴봅시다.
또 Self – Attention 기법을 사용한 Transformer Networks을 알아봅니다.

-

YOLO

물체 인식을 수행하기 위해 고안된 심층 신경망입니다. YOLO 모델의 절차와 구조를 살펴봅시다.

-

10분 딥러닝의 실제 클래스 화면!