딥러닝 강의 1편 6시간 완성 - [Top AI대학원 박사] - 컴퓨터 비전 인식모델 개발

#딥러닝 #머신러닝 #메타코드
카이스트 AI박사에게 딥러닝 무료 강의를 통해 컴퓨터 비전 인식모델을 공부해보세요.

[강사 이력 ]
1. Top AI대학원 박사

🔥메타코드M 오픈채팅방에 들어오실래요?🔥
⚡취업특강/오프라인 네트워킹/Daily IT뉴스 등 - 가장 빠르게 다 공유합니다⚡
https://docs.google.com/forms/d/1k4uf...


[강의 목차]
00:00:00 소개
00:03:24 History
00:10:42 Milestones
00:16:19:Deep Learning이란? (Wiki)
00:18:01 AI – ML – DL
00:20:21 ML이란?
00:23:46 ML Framework
00:25:15 Example: Stock price prediction
00:28:08 Example: Stock price prediction – neural networks
00:30:27 Line and Circle
00:34:46 Practice – 의료 데이터 (Regression)
00:39:35 neural networks - fully connected layer
00:45:17 Activation Function
00:46:29 Quiz
00:48:16 Activation Function – 활성화 함수
00:52:06 Remember
00:54:45 Training Algorithm
00:56:20 Remind – Gradient 1-D
00:59:15 다차원 공간-Momentum
01:02:08 다른 최적화 함수- Adam, RMSProp
01:03:55 Batch SGD
01:07:56 Learning rate decay
01:12:36 실습 part
02:19:10 Remind: ML Framework
02:21:36 Remind: Neural Network
02:26:16 Remind: 비선형 함수는 왜 필요한가?
02:32:14 Computer vision이란?
02:35:01 Computer vision 응용분야
02:49:35 Computer가 보는 Image Date
02:52:01 흑백(Gray-scale) 사진과 일반적(RGB) 사진
02:57:41 인간 VS 컴퓨터
02:58:39 Challenge: Illumination
02:59:50 Challenge: Deformation
03:00:45 Challenge: Occlusion
03:02:09 CV 알고리즘
03:03:13 기존 CV 알고리즘
03:05:01 대표적 Computer vision tasks
03:07:23 Classification
03:11:22 Classification Example – Fully Connected layer
03:17:37 Convolutional layer
03:26:12 Padding
03:30:03 Stride
03:32:46 Max pooling, Avg pooling
03:32:51 Example
03:35:38 Max pooling, Avg pooling03:38:47 Simple network
03:41:47 Loss는 어떻게?
03:43:20 Loss: Cross-Entropy
03:45:29 Others
03:46:52 실습
04:36:25 Remind : ML Framework
04:38:30 Remind : image
04:45:07 Remind : convolution
05:01:45 ImageNet Large Scale Visual Recognition Challenge
05:07:14 Handwritten digit database
05:09:34 LeNet
05:27:38 Alexnet
05:53:00 VGG
05:58:58 VGG – 왜 3x3 filter가 좋은가?
06:05:46 VGG – 파라미터 수
06:15:38 InceptionNet
06:26:01 1x1 convolution의 의미
06:36:33 Receptive field의 의미
06:44:44 InceptionNet



*모든 영상에 대한 권한은 메타코드에 있기에, 무단으로 저장 및 활용하시거나 수업자료를 유료목적으로 활용하시면 별도의 조치가 들어갈 수 있습니다.