커리큘럼
수업의 개요
0:10:04 맛보기
기본적인 Machine Learnnig 의 용어와 개념 설명
0:12:28
TensorFlow의 설치및 기본적인 operations
0:10:47
Linear Regression의 Hypothesis 와 cost
0:13:29
Tensorflow로 간단한 linear regression을 구현
0:09:59
Linear Regression의 cost 최소화 알고리즘의 원리
0:06:40
Linear Regression 의 cost 최소화의 TensorFlow 구현
0:16:11
multi-variable linear regression
0:14:40
multi-variable linear regression을 TensorFlow에서 구현
0:14:51
Logistic Classification의 가설 함수 정의
0:14:57
Logistic Regression의 cost 함수 설명
0:14:24
TensorFlow로 Logistic Classification의 구현하기
0:10:11
Multinomial 개념 소개
0:10:16
Cost 함수 소개
0:15:35
TensorFlow에서의 구현 1
0:05:55
TensorFlow에서의 구현 2
0:03:01
lec 07-1- 학습 rate, Overfitting, 그리고 일반화 (Regulariz
0:14:02
lec 07-2- Training-Testing 데이타 셋
0:09:21
lab 07 - 학습 rate, training-test 셋으로 성능평가
0:13:04
lec 08-1- 딥러닝의 기본 개념- 시작과 XOR 문제
0:17:41
lec 08-2- 딥러닝의 기본 개념2- Back-propagation 과 2006-200
0:12:36
lab9-1- XOR을 위한 텐스플로우 딥넷트웍
0:13:50
lab9-2- Tensor Board로 딥네트웍 들여다보기
0:12:35
lec10-1- Sigmoid 보다 ReLU가 더 좋아
0:17:29
lec10-2- Weight 초기화 잘해보자
0:12:17
lec11-1 ConvNet의 Conv 레이어 만들기
0:16:21
lec11-2- ConvNet Max pooling 과 Full Network
0:05:32
lec11-3 ConvNet의 활용예
0:12:30
lab11- ConvNet을 TensorFlow로 구현하자 (MNIST 99%)
0:16:19
lec12- NN의 꽃 RNN 이야기
0:19:42
lab12- TensorFlow에서 RNN 구현하기
0:17:24
lab13- TensorFlow를 AWS에서 GPU와 함께 돌려보자
0:18:12