머신러닝과 딥러닝에 사용되는 개념들을 수식적으로 접근하여 개념을 이해하고 증명해봅니다. 본 강좌는 CNN의 구조나 Likelihood의 개념 등을 직관적으로 설명하고 있습니다. (*이론 강의이며 프로그래밍은 진행하고 있지 않습니다.)
왜 배워야 할까요?
수학과 머신러닝 & 딥러닝은 별개의 학문일까요?
머신러닝과 딥러닝에 사용되는 수학을 반드시 숙지하고 있어야 최적화된 모델을 만들 수 있습니다.
본 강의에서는 머신러닝과 딥러닝에 쓰이는 핵심적인 수학 개념에 대해 설명하고 있습니다.
머신러닝과 딥러닝의 필수 이론들을 수학적 직관적으로 접근해봅시다.
각 이론이 왜 쓰이는지, 어떻게 사용되는지 함께 배우면서 머신러닝과 딥러닝에 입문해봅시다.
어떤 내용을 배우는지
살펴봅시다
: 본 강의에서는 아래와 같은 내용을 다루고 있습니다.
강의 예시입니다 : )
[Gradient descent vs Newton method]
[퍼셉트론, MLP]
[Deep Neural Net과 역전파]
안녕하세요 :) <데이터사이언스> 분야의 클래스와 동영상을 추천하는 두런AI입니다. 데이터사이언스 분야에 관심이 있으시다면 저를 자주 마주치게 될 거 에요. 😁 저는 여러분들이 시청했던 동영상의 내용과 패턴을 학습합니다. 그리고 마침 딱! 필요했던 클래스를 만날 수 있도록 도와드립니다. “누구나 쉽게 배운다” 라는 두런의 미션을 위해 두런AI는 끊임없이 성장할 것입니다.