Autoplay
Autocomplete
Previous Lesson
Complete and Continue
딥러닝과 파이토치(pytorch) 부트캠프
강의와 수업 진행 과정 소개
처음하는 파이썬 딥러닝 강의 소개 (6:45)
강의 준비와 학습 방법 팁(꼭 들어주세요) (18:39)
수업 자료 다운 및 신청 방법 (꼭 들어주세요~, 코드자료는 바로 본 챕터에서 다운받으세요!) (4:24)
[참고] 주피터 노트북 설치 (맥) (7:11)
[참고] 주피터 노트북 설치 (윈도우) (4:55)
[참고] 주피터 노트북 사용법 (12:39)
딥러닝 개념 이해를 위해 꼭 필요한 기본 배경지식 (이론)
큰 그림으로 학습해야할 딥러닝 과정 이해하기 (13:55)
딥러닝 개념 이해에 필요한 수학 기호 정리 (13:47)
딥러닝 기본 구조 이해를 위해 필요한 선형 회귀 정리 (12:59)
딥러닝 기본 구조 이해를 위해 필요한 Gradient Descent 정리 (14:54)
딥러닝 기본 구조 이해를 위해 필요한 텐서 이해 (8:28)
파이토치(PyTorch) 기본 문법 정리 (실습 중심)
파이토치(PyTorch)와 텐서플로우(Tensorflow) (9:00)
파이토치(PyTorch) 설치 방법 (12:22)
파이토치(PyTorch) 기본 문법 이해: 텐서 생성1 (21:01)
파이토치(PyTorch) 기본 문법 이해: 텐서 생성2 (12:02)
파이토치(PyTorch) 기본 문법 이해: 텐서 변환 (12:13)
파이토치(PyTorch) 기본 문법 이해: 텐서 연산 (16:36)
파이토치(PyTorch) 기본 문법 이해: 텐서 연산 (브로드캐스팅 이해) (7:45)
파이토치(PyTorch) 기본 문법 이해: 텐서 인덱싱 (17:56)
파이토치(PyTorch) 기본 문법 이해: 텐서 조건 연산과 저장 (7:21)
딥러닝 구현에 필요한 Numpy 라이브러리 사용법 정리 (실습 중심)
파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기1 (17:36)
파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기2 (18:02)
파이토치(PyTorch)과 비교하며 Numpy 라이브러리 사용법 익히기3 (5:40)
파이토치(PyTorch) 텐서 연산 관련 수학과 구현 정리 (이론+실습)
파이토치(PyTorch) 텐서 연산 관련 수학 정리 (11:27)
파이토치(PyTorch) 텐서 고급 연산 정리1 (15:34)
파이토치(PyTorch) 텐서 고급 연산 정리2 (12:54)
딥러닝 핵심 이론 이해 (이론 중심)
ANN 과 퍼셉트론 이해 (14:04)
DNN(딥러닝) 이해 (21:10)
Activation Function 이해 (11:44)
Back Propagation(오차 역전파) 이해 (22:51)
딥러닝 기본 구조 구현 (실습 중심)
인공 신경망 타입과 Linear Layer 이해 (7:02)
파이토치로 Linear Layer 구현하기 (16:16)
파이토치로 딥러닝 구조 클래스로 구현하기 (20:52)
딥러닝 학습 구현하기 (실습 중심)
딥러닝을 위한 기본 Optimizer 정리: BGD 와 SGD (13:49)
딥러닝 구현에 Optimizer 추가하기 (17:10)
파이토치로 딥러닝 구현 패턴 이해하기 (18:29)
데이터로 딥러닝 적용해보기 (당뇨병 환자 데이터) (20:43)
다양한 Activation Function 정리 (이론+실습)
Sigmoid Activation Function 핵심 정리 (20:43)
Gradient Vanishing 과 ReLU/LeakyReLU Activation Function 핵심 정리 (12:14)
지금까지 익힌 Activation Function 딥러닝 코드에 적용하기 (15:21)
지금까지 익힌 이론과 미니배치까지 적용된 딥러닝 코드 구현해보기 (15:15)
다양한 Optimizer 정리하기 (이론 중심)
하이퍼 파라미터와 모델 파라미터 이해 (6:16)
Momentum Optimizer 핵심 이해 (12:39)
NAG Optimizer 핵심 이해 (8:16)
AdaGrad 와 RMSProp Optimizer 핵심 이해 (9:07)
Adam Optimizer 핵심 이해 (6:54)
지금까지 익힌 이론까지 딥러닝 구현에 적용하기 (9:23)
딥러닝으로 Regression 문제 적용해보기 (House Price Kaggle 문제) (23:41)
Classification 문제 딥러닝 적용하기
Classification 문제를 위한 softmax 핵심 이해 (9:54)
Classification 문제를 위한 Cross Entropy Loss/BCELoss 핵심 이해 (21:19)
Classification 문제를 위한 주요 Metric 이해 (6:52)
Binary Classfication 딥러닝 적용해보기 (URL Phishing Kaggle 문제) (23:00)
Multi-Calss Classfication 딥러닝 적용해보기 (IRIS 분류 문제) (16:07)
딥러닝 구조 개선하기 (실습 중심)
Bias 와 Variance 핵심 이해 (11:23)
Validation set 과 Early Stopping 핵심 이해 (16:22)
Validation set, Early Stopping, Mini-batch 적용하여 딥러닝 코드 개선하기 (MNIST 데이터셋) (20:27)
이미지 데이터 딥러닝 적용을 위한 이미지 텐서 변환 코드 구현해보기 (MNIST 데이터셋) (14:06)
지금까지 익힌 이론 딥러닝에 적용하여 딥러닝 코드 패턴 작성하기 (14:33)
검증을 위한 딥러닝 모델 테스트 코드 작성하기 (25:59)
딥러닝 Regularization 기법 정리 (이론 중심)
딥러닝 Regularization 기법: Weight Decay 핵심 이해 (8:06)
딥러닝 Regularization 기법: DropOut 핵심 이해 (8:27)
딥러닝 Regularization 기법: Batch Normalization 핵심 이해 (8:36)
딥러닝 코드에 Batch Normalization 적용해보기 (14:34)
지금까지 익힌 딥러닝 이론과 실습 정리 (드디어 딥러닝 기본기를 쌓았습니다!) (6:27)
이미지를 위한 딥러닝 기본: CNN 이해 (이론+실습)
이미지를 위한 딥러닝 기본 - CNN 이해: Convolution Layer 이해 (19:38)
이미지를 위한 딥러닝 기본 - CNN 이해: Pooling Layer 와 FC Layer 이해 (9:00)
이미지를 위한 딥러닝 기본 - CNN 구현해보기1 (13:20)
이미지를 위한 딥러닝 기본 - CNN 구현해보기2 (16:46)
딥러닝을 위한 GPU 사용법과 Google Colab (20:43)
Google Colab 으로 GPU 사용하여 CNN 학습 및 분류해보기 (8:37)
순서가 있는 데이터를 위한 딥러닝 기본: RNN 과 LSTM 이해 (이론 중심)
순서가 있는 데이터를 위한 딥러닝 기본 - RNN 핵심 이해 (13:54)
[참고] 순서가 있는 데이터를 위한 딥러닝 기본 - RNN BPTT 핵심 이해 (10:55)
RNN 문제점을 개선한 LSTM 핵심 이해 (19:35)
[참고] 순서가 있는 데이터를 위한 다양한 딥러닝 구조 - GRU 와 Bidirectional RNN 핵심 이해 (4:56)
순서가 있는 데이터를 위한 딥러닝 기본: RNN 과 LSTM 적용해보기 (실습 중심)
RNN 과 LSTM 구현해보기1 (MNIST 데이터셋) (16:30)
RNN 과 LSTM 구현해보기2 (MNIST 데이터셋) (17:27)
RNN 과 LSTM 으로 주식 데이터 예측해보기1 (주식 데이터 예) (17:54)
RNN 과 LSTM 으로 주식 데이터 예측해보기2 (주식 데이터 예) (11:17)
RNN 과 LSTM 으로 주식 데이터 예측해보기3 (주식 데이터 예) (13:43)
RNN 과 LSTM 으로 소비전력 예측해보기 (소비전력 Kaggle 문제) (14:46)
최신 딥러닝 기술 활용을 위한 지름길: 전이 학습 (Transfer Learning) 이해
전이 학습 (Transfer Learning) 이해 (18:36)
Transfer Learning (전이 학습) 을 위한 timm 라이브러리 사용법 이해 및 실습 (18:31)
Transfer Learning 을 위한 이미지 주요 모델 핵심 이해 (이론 중심)
Transfer Learning 을 위한 이미지 주요 모델 정리: Sequence 2 Sequence 모델과 Attention 핵심 이해 (19:57)
Transfer Learning 을 위한 이미지 주요 모델 정리: Transformer 모델 핵심 이해 (15:47)
Transfer Learning 을 위한 이미지 주요 모델 정리: Vision Transformer, Resnet, EfficientNet 모델 핵심 이해 (13:14)
딥러닝 중급: 전이학습으로 최신 Visition Transformer 모델 적용해보기 (실습 중심)
Huggingface transforms 라이브러리 기반 Vision Transformer 모델 사용법 이해 (20:39)
Huggingface transforms 라이브러리 기반 Vision Transformer 적용 실습1 (CIFAR10 데이터셋) (16:29)
Huggingface transforms 라이브러리 기반 Vision Transformer 적용 실습2 (CIFAR10 데이터셋) (9:46)
딥러닝 중급: 실전 캐글 (Kaggle) 문제로 실제 문제 풀어보기
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기1 (14:37)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기2 (19:25)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기3 (18:10)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기4 (19:36)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기5 (13:05)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기6 (6:25)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기7 (8:48)
실제 캐글(Kaggle) 문제 풀고, 제출해보며, 성능 개선 기법 익히기8 (10:19)
Outro
강의 마무리 및 향후 학습 팁 (14:36)
Classification 문제를 위한 Cross Entropy Loss/BCELoss 핵심 이해
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock