강좌 소개

1. 강좌 소개

알파고와 이세돌의 경기를 보면서 이제 머신 러닝이 인간이 잘 한다고 여겨진 직관과 의사 결정능력에서도 충분한 데이타가 있으면 어느정도 또는 우리보다 더 잘할수도 있다는 생각을 많이 하게 되었습니다. Andrew Ng 교수님이 말씀하신것 처럼 이런 시대에 머신 러닝을 잘 이해하고 잘 다룰수 있다면 그야말로 “Super Power”를 가지게 되는 것이 아닌가 생각합니다.

더 많은 분들이 머신 러닝과 딥러닝에 대해 더 이해하고 본인들의 문제를 이 멋진 도구를 이용해서 풀수 있게 하기위해 비디오 강의를 준비하였습니다. 

이 머신러닝, 딥러닝 강좌는 수학이나 컴퓨터 공학적인 지식이 없이도 쉽게 볼수 있도록 만들려고 노력하였습니다.

 

2. 도움되는 분들

  • 인공지능에 대해 관심이 있는 누구나
  • 머닝러신, 딥러닝의 개념을 이해하고 싶으신분
  • 머닝러신의 직접 구현해보고 싶으신 분

3. 참고자료

이 비디오는 저도 인터넷등을 통해 공부하면서 만든것이며 아래 자료를 많이 사용하였습니다.

4. 강사님 소개 

김성훈

Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다.


강의 목록

Lecture 1_ RL 수업소개 (Introduction)
맛보기
13:42

Lecture 2_ Playing OpenAI GYM Games
10:15

Lab 2_ Playing OpenAI GYM Games
9:35

Lecture 3_ Dummy Q-learning (table)
20:49

Lab 3_ Dummy Q-learning (table)
12:58

Lecture 4_ Q-learning (table) exploit&exploration
16:59

Lab 4_ Q-learning (table) exploit&exploration and
6:56

Lecture 05_ Q-learning on Nondeterministic Worlds!
13:56

Lab 05-1_ Q-learning on Nondeterministic Worlds!
9:29

Lab 05-2: Q-learning (Table) Demo by Jae Hyun Lee
0:38

Lecture 6_ Q-Network
16:42

Lab 6-1_ Q Network for Frozen Lake
18:04

Lab 6-2_ Q Network for Cart Pole
21:40

Lecture 7_ DQN
17:46

Lab 7-1_ DQN 1 (NIPS 2013)
19:22

Lab 7-2_ DQN 2 (Nature 2015)
15:59

Lab 7-3_ DQN Cart Pole Demo (with Music)!
0:23

Lab 7-4_ DQN Simple Pacman exercise example (with
1:25

Lab 8-3_ DQN vs Policy Gradient on Simple Pacman (
0:54

    선생님

    Sung Kim
    쪽지
    4.9 (총 2개 강좌, 19명 평가)

    김성훈

    Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다.
    비디오나 강의에 대한 의견이 있으시면 아래로 이메일을 보내 주시면 됩니다.


    hunkim+ml@gmail.com


    수강평

    4.7
    총 3명
    5
    2
    4
    1
    3
    0
    2
    0
    1
    0

    선생님의 다른 강좌


    무료
    공유
    단체수강
    총 19강 · 3시간 48분 분량
    무제한 수강 가능
    모바일 앱으로 수강 가능

    수강생이 들은 다른 강좌