이경택

학부에서는 통계학을 전공하고 현재는 산업공학(인공지능)을 공부하고 있는 박사과정생입니다.




수상


ㆍ 제6회 빅콘테스트 게임유저이탈 알고리즘 개발 / 엔씨소프트상(2018)


ㆍ 제5회 빅콘테스트 대출 연체자 예측 알고리즘개발 / 한국정보통신진흥협회장상(2017)


ㆍ 2016 날씨 빅데이터 콘테스트/ 기상산업 진흥원장상(2016)


ㆍ 제4회 빅콘테스트 보험사기 예측 알고리즘 개발 / 본선진출(2016)


ㆍ 제3회 빅콘테스트 야구 경기 예측 알고리즘 개발 / 미래창조과학부 장관상(2015)


* blog : https://bluediary8.tistory.com


주로 연구하는 분야는 데이터 사이언스, 강화학습, 딥러닝 입니다.


크롤링과 텍스트마이닝은 현재는 취미로 하고있습니다 :)


크롤링을 이용해서 인기있는 커뮤니티 글만 수집해서 보여주는 마롱이라는 앱을 개발하였고


전국의 맛집리스트와 블로그를 수집해서 맛집 추천 앱도 만들었었죠 :) (시원하게 말아먹..)


지금은 인공지능을 연구하는 박사과정생입니다.







펼쳐보기
언제 어디서나 수강할 수 있습니다.
PC, 모바일, 태블릿으로 언제 어디서나 수강이 가능합니다.
PC, 모바일, 태블릿으로 언제 어디서나 수강 가능
강좌 소개


Pytorch로 쉽고 빠르게 배우는 딥러닝


Neural Network란?

  • 요즘에 이야기하는 인공지능은 대부분 딥러닝 모델을 활용합니다. 딥러닝의 기초가되는 Neural network는 새로운 알고리즘이 아닙니다. 이전부터 존재해왔던 알고리즘이지만, 학습의 특성상 많이 쓰이지 못했습니다.


무엇을 배우게 될까요?

  • 기본 neural network부터 시작해서, 왜 딥러닝이 뜨기 시작했고 딥러닝의 특징이 무엇인지, 더나아가 기본 딥러닝모델로 불리우는 convolution neural network, recurrent neural network에 대해서 학습합니다.

1. Multi Layer Perceptron(MLP)

  • 최초의 인공지능이라 불리우는 perceptron과 perceptron의 한계점, 그리고 이를 극복한 MLP에 대해서 배웁니다.
  • MLP는 neural network의 기본 구조라고 보시면 됩니다. MLP의 학습 알고리즘을 차근 차근 알려드립니다.
  • Feed forward와 back propagation에 대해 이야기하고 장점과 단점에 대해 이야기합니다.


2. Deep Learning에 대한 정의

  • 딥러닝의 정의가 무엇이 일반적인 neural network와는 무엇이 다른 것인지에 대해 집중적으로 배웁니다.
  • NN의 단점인 gradient vanishing/overfitting문제를 완화시킬수 있는 activation function, drop out, Batch normalization에 대해 다룹니다.
  • 나아가 단순히 분류 만 할 수 있는 것이 아니라 새로운 feature에 대해 학습할 수 도 있는 Auto-Encoder에 대해 다룹니다.




3. Convolutional Neural Network (CNN)

  • 딥러닝 역사를 보았을때 가장 많이 발전한 모델이 이 CNN모델이 아닐까 싶습니다. 이미지분류로 시작해서 엄청난 발전을 이루어온 CNN모델에 대해 다룹니다.
  • 학습 알고리즘의 특성에 대해 이야기하고 일반적인 NN과의 차이점에 대해 다룹니다.
  • 더불어 CNN의 성능을 높이기 위한 다양한 아키텍쳐(Resnet, Densenet), initialization, optimizer기법 그리고 transfer learning 대해서도 이야기합니다.

4. Recurrent Neural Network (RNN)

  • 텍스트 모델(Language model)의 기초모델인 RNN과 LSTM에 대해 다룹니다.


5. 딥러닝의 다양한 분야

  • 딥러닝이 쓰이는 다양한 분야에 대해 이야기합니다.



읽어볼만한 논문 리뷰

  • 읽어볼만한 쉽고 좋은 논문 몇가지를 리뷰해드립니다. 논문 리뷰는 계속해서 업데이트 될 예정입니다!
  1. Self-training with Noisy Student improves ImageNet classification
  2. Understanding deep learning requires rethinking generalization
  3. ImageNET-Trained CNNS Are Biased Towards Texture
  4. Generalisation in humans and deep neural networks



🙋🏻‍♂️ 강의 관련 예상 질문

Q. 수학적인 지식이 많이 필요한가요?

A. MLP부분에서 조금 필요하긴 합니다만, 없으셔도 전체적인 강의를 들으시는 데에는 지장이 없습니다.


Q. python을 다룰줄 알아야 하나요?

A. 네, python을 어느정도 할 줄 안다는 전제하에 수업을 진행합니다.


Q. 어떤 논문을 리뷰하나요?

A. 딥러닝에 관하여 읽기 쉽고, 기여도가 매우 높은 논문을 주로 리뷰 합니다. 새로운 좋은 논문을 발견할 때 마다 논문 리뷰 영상을 추가할 예정입니다.

공개 및 수정일
2020년 2월 13일 공개
수강평
아직 작성된 수강평이 없습니다.
강좌에 대한 의견을 기다리는 중입니다.
커리큘럼
Multi Layer Perceptron
오리엔테이션 맛보기
2:18
최초의 인공지능 Perceptron 맛보기
16:13
신경망의 기본 - Multi Layer Perceptron
12:51
MLP feedforward
9:14
역전파 알고리즘(MLP backpropagation)
16:27
MLP review
12:01
Gradient vanishing이란
8:12
Universal approximation theorem
4:34
Deep Learning
참고자료
1개

[PyTorch] 기초부터 배우는 딥러닝

₩82,500
9시간 7분 분량
180일 동안 무제한 수강 가능
중급 레벨의 강좌