logo

딥러닝

섹션

6개

강의

35개

커리큘럼

6개 섹션, 35개 강의

  1. 1

    딥러닝 입문과 환경

    1. 1.1컴퓨터 비전과 머신러닝
    2. 1.2뉴런과 퍼셉트론
    3. 1.3딥러닝 프레임워크
  2. 2

    분류 모델의 학습과 평가

    1. 2.1이항 분류
    2. 2.2단층신경망
    3. 2.3손실 함수
    4. 2.4경사하강법
    5. 2.5테스트와 일반화
    6. 2.6혼동 행렬
    7. 2.7문턱값
  3. 3

    신경망 심화

    1. 3.1다층 신경망
    2. 3.2역전파
    3. 3.3활성화 함수
    4. 3.4다항 분류
    5. 3.5옵티마이저
    6. 3.6데이터셋 분할
    7. 3.7하이퍼파라미터 튜닝
    8. 3.8Neural Architecture Search
    9. 3.9정칙화
    10. 3.10조기 종료와 모델 체크포인트
  4. 4

    비전 모델과 이미지 파이프라인

    1. 4.1합성곱 신경망(CNN)
    2. 4.2패딩과 스트라이드
    3. 4.3CNN의 다양한 구조
    4. 4.4Vision Transformer
    5. 4.5이미지 로딩
    6. 4.6데이터 증강
  5. 5

    생성 모델과 응용

    1. 5.1오토인코더
    2. 5.2GAN
    3. 5.3확산 모형
    4. 5.4전이 학습
  6. 6

    시퀀스와 자연어 모델

    1. 6.1딥러닝 자연어 처리
    2. 6.2순환신경망(RNN)
    3. 6.3시퀀스-투-시퀀스 모델
    4. 6.4주의 메커니즘
    5. 6.5트랜스포머