ÀÌ Ã¥Àº ¸Ó½Å·¯´×°ú µö·¯´×¿¡ °ü½ÉÀÌ ÀÖ´Â ºÐµéÀ» À§ÇØ ±âº»ÀûÀÎ ³»¿ëºÎÅÍ µ¿ÀÛ ¿ø¸®±îÁö ¿¹Á¦¿Í ÇÔ²² ¾Ë±â ½¬¿î ³»¿ëÀ¸·Î ±¸¼ºÇß´Ù. µ¥ÀÌÅ͸¦ ÇнÀÇÏ¸é¼ ¹Ì·¡ °ªÀ» ¿¹ÃøÇÏ´Â ¸Ó½Å·¯´×°ú ½Å°æ¸ÁÀ» ±â¹ÝÀ¸·Î ÇÏ´Â µö·¯´× ¾ÆÅ°ÅØó¸¦ ¼³°èÇÏ°í, µö·¯´×ÀÇ ²ÉÀ¸·Î ºÒ¸®´Â ¿ÀÂ÷¿ªÀüÆÄ, À̹ÌÁö¸¦ ÀνÄÇÒ ¼ö ÀÖ´Â CNN, ¼ø¼°¡ ÀÖ´Â µ¥ÀÌÅ͸¦ ´Ù·ç´Â µ¥ ÀûÇÕÇÑ RNN µ¿ÀÛ ¿ø¸®¸¦ ´Ü°èº°·Î ¾Ë¾Æº¼ ¼ö ÀÖ´Ù.
°£´ÜÇÑ ¿ø¸®¸¦ ÀÌÇØÇÑ µÚ¿¡´Â ÃÖ±Ù °¡Àå ÁÖ¸ñ¹Þ°í ÀÖ´Â ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÎ ÆÄÀ̽ã, ÅÙ¼Ç÷θ¦ ÀÌ¿ëÇÏ¿© ¼±Çüȸ±Í, ¼öÄ¡ ¹ÌºÐ, ½Å°æ¸Á, ¿ÀÂ÷¿ªÀüÆÄ, CNN, RNN Äڵ带 Á÷Á¢ ±¸ÇöÇØ º»´Ù. ¶ÇÇÑ ÀúÀÚÀÇ YouTube °ÀÇ Ã¤³Î±îÁö ¹Ù·Î È®ÀÎÇÒ ¼ö ÀÖ´Â QR Äڵ带 ÇÔ²² ¼ö·ÏÇØ ÇØ´ç ³»¿ëÀ» ´õ¿í Æí¸®ÇÏ°í ÀÚ¼¼ÇÏ°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ÀÌ Ã¥À¸·Î ÀΰøÁö´É °³¹ß¿¡ ´ëÇØ ÇÑ ¹ß ´õ ¾Ë¾Æº¸ÀÚ.
¼¹®
1. ¸Ó½Å·¯´× °³¿ä
1.1 4Â÷ »ê¾÷Çõ¸í
1.2 ÀΰøÁö´É°ú ¸Ó½Å·¯´×
1.3 ¸Ó½Å·¯´×¿¡¼ÀÇ È¸±Í¿Í ºÐ·ù
1,4 ¸Ó½Å·¯´× ±¸Çö ¹æ¹ý
1.5 Á¤¸®
2. ÆÄÀ̽ã (Python)
2.1 ÆÄÀ̽㠼³Ä¡ ¹× jupyter notebook ½ÇÇà
2.2 ÆÄÀ̽㠵¥ÀÌÅÍŸÀÔ(DataType)
2.3 ÆÄÀ̽ã Á¶°Ç¹® if
2.4 ÆÄÀ̽ã for ¹Ýº¹¹®
2.5 List Comprehension
2.6 ÆÄÀ̽ã ÇÔ¼ö (Function)
2.7 ÆÄÀ̽ã Ŭ·¡½º (class)
2.8 Á¤¸®
3. ³ÑÆÄÀÌ (numpy)
3.1 ³ÑÆÄÀÌ ¶óÀ̺귯¸® °¡Á®¿À±â(import)
3.2 ³ÑÆÄÀÌ¿Í ¸®½ºÆ®(numpy vs list)
3.3 ³ÑÆÄÀÌ º¤ÅÍ(Vector, 1Â÷¿ø ¹è¿) »ý¼º
3.4 ³ÑÆÄÀÌ Çà·Ä(Matrix, 2Â÷¿ø ¹è¿) »ý¼º
3.5 ³ÑÆÄÀÌ »ê¼ú¿¬»ê
3.6 ³ÑÆÄÀÌ Çü º¯È¯(reshape)
3.7 ³ÑÆÄÀÌ ºê·Îµåij½ºÆ®(Broadcast)
3.8 ³ÑÆÄÀÌ ÀüÄ¡Çà·Ä(Transpose)
3.9 ³ÑÆÄÀÌ Çà·Ä °ö(Matrix Multiplication)
3.10 Çà·Ä ¿ø¼Ò Á¢±Ù(Indexing, Slicing)
3.11 ³ÑÆÄÀÌ ÀÌÅÍ·¹ÀÌÅÍ(Iterator)
3.12 ³ÑÆÄÀÌ À¯¿ëÇÑ ÇÔ¼ö(Useful Function)
3.13 Á¤¸®
4. ¹ÌºÐ (Derivative)
4.1 ¹ÌºÐ °³³ä°ú ÀλçÀÌÆ®(Insight)
4.2 Æí¹ÌºÐ(Partial Derivative)
4.3 üÀÎ ·ê(Chain Rule)
4.4 ¼öÄ¡ ¹ÌºÐ(Numerical Derivative)
4.5 Á¤¸®
5. ¼±Çü ȸ±Í¿Í ºÐ·ù(Linear Regression and Classification)
5.1 ÀΰøÁö´É ¸Ó½Å·¯´× µö·¯´× ¸®ºä
5.2 ¼±Çü ȸ±Í(Linear Regression)
5.3 ºÐ·ù(Classification)
5.4 Á¤¸®
6. XOR ¹®Á¦(XOR Problem)
6.1 ³í¸®°ÔÀÌÆ® AND, OR, NAND, XOR
6.2 ³í¸®°ÔÀÌÆ®(Logic Gate) Ŭ·¡½º ±¸Çö
6.3 ³í¸® °ÔÀÌÆ® °ËÁõ
6.4 XOR ¹®Á¦ ÇØ°á ¹æ¹ý
6.5 Á¤¸®
7. µö·¯´×(Deep Learning)
7.1 XOR ¹®Á¦ ¸®ºä
7.2 ½Å°æ¸Á(Neural Network) °³³ä
7.3 ½Å°æ¸Á°ú Àΰø ½Å°æ¸Á
7.4 µö·¯´×(Deep Learning) ±âÃÊ
7.5 µö·¯´×À¸·Î XOR ¹®Á¦ ÇØ°á
7.6 Á¤¸®
8. MNIST(Çʱâü ¼Õ±Û¾¾)
8.1 MNIST(Çʱâü ¼Õ±Û¾¾)
8.2 MNIST ÀνÄÀ» À§ÇÑ µö·¯´× ¾ÆÅ°ÅØó
8.3 MNIST_Test Ŭ·¡½º ±¸Çö
8.4 MNIST ÀÎ½Ä Á¤È®µµ °ËÁõ
8.5 Á¤¸®
9. ¿ÀÂ÷¿ªÀüÆÄ(Back Propagation)
9.1 ¼öÄ¡ ¹ÌºÐÀÇ ¹®Á¦Á¡
9.2 ¿ÀÂ÷¿ªÀüÆÄ °³³ä ¹× ¿ø¸®
9.3 °¢ Ãþ¿¡¼ÀÇ ¼±Çüȸ±Í °ª(z), Ãâ·Â °ª(a), ¿ÀÂ÷(E)
9.4 ½Ã±×¸ðÀ̵å(sigmoid) ÇÔ¼ö ¹ÌºÐ
9.5 Ãâ·ÂÃþ ¿ÀÂ÷¿ªÀüÆÄ °ø½Ä
9.6 Àº´ÐÃþ ¿ÀÂ÷¿ªÀüÆÄ °ø½Ä
9.7 ¿ÀÂ÷¿ªÀüÆĸ¦ ÀÌ¿ëÇÑ MNIST °ËÁõ
9.8 Á¤¸®
10. ÅÙ¼Ç÷Î(TensorFlow) ±âÃÊ
10.1 ÅÙ¼Ç÷Π¼³Ä¡
10.2 ÅÙ¼Ç÷ΠÅÙ¼(Tensor)
10.3 ÅÙ¼Ç÷Π³ëµå(Node), ¿§Áö(Edge)
10.4 ÅÙ¼Ç÷θ¦ ÀÌ¿ëÇÑ MNIST °ËÁõ
10.5 Á¤¸®
11. ÇÕ¼º°ö ½Å°æ¸Á CNN(Convolutional Neural Network)
11.1 CNN ¾ÆÅ°ÅØó
11.2 Äܺ¼·ç¼ÇÃþ(Convolutional Layer) °³¿ä
11.3 Æеù(padding)
11.4 Äܺ¼·ç¼Ç ¿¬»êÀ» ÅëÇÑ Ãâ·Â µ¥ÀÌÅÍ Å©±â
11.5 CNN ±â¹ÝÀÇ MNIST °ËÁõ
11.6 Á¤¸®
12. ¼øȯ ½Å°æ¸Á RNN(Recurrent Neural Network)
12.1 RNN ¾ÆÅ°ÅØó
12.2 ¼ø¼°¡ ÀÖ´Â µ¥ÀÌÅÍ
12.3 RNN µ¿ÀÛ¿ø¸®(Á¤¼ºÀû ºÐ¼®)
12.4 RNN µ¿ÀÛ¿ø¸®(Á¤·®Àû ºÐ¼®)
12.5 RNN ¿¹Á¦
12.6 Á¤¸®
ã¾Æº¸±â