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

    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

    5.0
    총 2명
    5
    2
    4
    0
    3
    0
    2
    0
    1
    0

    선생님의 다른 강좌


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

    부스터 강좌