중1중2중3
N
완강
[IT/코딩 특강] Python(파이썬) 로 배우는 Deep Learning(딥러닝) 중급 Part.2
코딩스쿨 선생님
- 수강학년 중1|중2|중3
- 강좌유형 미래교육 4.0
- 강의수 12/12강 [완강]
- 수강기간 30일
- 교재 교재 파일제공
강좌 범위
※ Python 딥러닝 중급 내용을 이어서 학습하고, 주요 개념과 모델 활용 방법을 익힌다.
강좌 특징
-
■ 딥러닝 중급 개념을 단계적으로 학습해 AI 활용 역량을 높일 수 있는 강좌입니다.
-
■ Python을 활용한 딥러닝 모델의 이해와 응용 능력을 기릅니다.
-
★미래교육 4.0 강좌★
-
-
AI 기술 활용 역량 강화
-
-
-
실습 기반의 응용 능력 향상
-
수강 대상
★ 딥러닝 중급 개념을 익히고 모델 활용 역량을 높이고 싶은 누구나!
기타
★본 강좌는 교안과 예제로 진행됩니다.
★예제는 '강좌 자료실'에 업로드 되어있습니다.
★예제는 '강좌 자료실'에 업로드 되어있습니다.
| 강 | 강의명 | 강의시간 | 페이지 |
|---|---|---|---|
| 1강 | 딥러닝 중급 2차: 오차역전파법의 기초 원리와 계산 그래프 이해 | 65분 | |
| 2강 | 파이썬 기반 연쇄 법칙 구현 및 수치 미분과 역전파 연산 속도 비교 | 18분 | |
| 3강 | 덧셈 및 곱셈 노드의 역전파 수학적 원리 이해와 파이썬 레이어 구현 | 59분 | |
| 4강 | 활성화 함수(ReLU, Sigmoid) 및 아핀(Affine) 변환 레이어 구현 | 68분 | |
| 5강 | 출력층 설계: Softmax 함수와 Cross Entropy Error 레이어 결합 | 27분 | |
| 6강 | 2층 신경망(TwoLayerNet) 구축 및 전체 학습 신경망 모듈 조립 | 43분 | |
| 7강 | 기울기 검증(Gradient Check) 및 역전파 기반 MNIST 데이터셋 학습 | 50분 | |
| 8강 | 매개변수 최적화 기법: SGD, 모멘텀, AdaGrad, Adam 알고리즘 | 55분 | |
| 9강 | 가중치 초기화와 은닉층 활성화 값의 분포 및 학습 상관관계 | 51분 | |
| 10강 | 고급 가중치 초기화(Xavier, He) 및 배치 정규화(Batch Normalization) 적용 | 26분 |
| 강 | 강의명 | 강의시간 | 페이지 |
|---|---|---|---|
| 1강 | 딥러닝 중급 2차: 오차역전파법의 기초 원리와 계산 그래프 이해 | 65분 | |
| 2강 | 파이썬 기반 연쇄 법칙 구현 및 수치 미분과 역전파 연산 속도 비교 | 18분 | |
| 3강 | 덧셈 및 곱셈 노드의 역전파 수학적 원리 이해와 파이썬 레이어 구현 | 59분 | |
| 4강 | 활성화 함수(ReLU, Sigmoid) 및 아핀(Affine) 변환 레이어 구현 | 68분 | |
| 5강 | 출력층 설계: Softmax 함수와 Cross Entropy Error 레이어 결합 | 27분 | |
| 6강 | 2층 신경망(TwoLayerNet) 구축 및 전체 학습 신경망 모듈 조립 | 43분 | |
| 7강 | 기울기 검증(Gradient Check) 및 역전파 기반 MNIST 데이터셋 학습 | 50분 | |
| 8강 | 매개변수 최적화 기법: SGD, 모멘텀, AdaGrad, Adam 알고리즘 | 55분 | |
| 9강 | 가중치 초기화와 은닉층 활성화 값의 분포 및 학습 상관관계 | 51분 | |
| 10강 | 고급 가중치 초기화(Xavier, He) 및 배치 정규화(Batch Normalization) 적용 | 26분 | |
| 11강 | 과적합(Overfitting) 방지: 가중치 감소(Weight Decay)와 드롭아웃 기법 | 47분 | |
| 12강 | 하이퍼파라미터 튜닝과 교차 검증: 학습률 및 Validation 데이터 기반 실험 | 56분 |
.gif)
.png)
.png)