일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- 백준
- 모두를 위한 딥러닝
- 라인플러스
- 다이나믹프로그래밍
- 알고리즘
- 백트래킹
- 머신러닝
- 프로그래머스
- 릿코드
- dfs
- 라인
- 파이썬
- Spring Framework
- binary search
- DP
- BFS
- STL
- Python
- C++
- jvm
- 스타벅스
- 시애틀
- 스프링 프레임워크
- leetcode
- 프로그래밍언어론
- C/C++
- Java
- 벤쿠버
- 딥러닝
- spring
- Today
- Total
케이스윔의 개발 블로그
[Lec00] 모두를 위한 딥러닝 강좌 오리엔테이션 본문
오늘부터 하루에 하나씩 모두를 위한 딥러닝 강좌를 듣기로 다짐했다! 머신러닝의 대가인 홍콩과기대 성킴교수님께서 직접 만드신 강좌이다. 첫 수업은 오리엔테이션이어서 가벼운 마음으로 들었다. 간단히 정리해본 내용은 다음과 같다.
이 강의는 누가 들어야 하는가?
1. 머신러닝에 대해 이해를 하고 싶은 사람과 관심이 있는 사람
2. 자신이 수학을 잘못하거나, 컴퓨터전송지식이 없다고 생각하는 사람도 들을 수 있다.
3. 머신러닝 Black-box에 대한 이해 없이 머신러닝을 사용하고 싶은 사람!
4. 텐서플로를 통해 머신러닝을 구현해보고 싶은 사람
나는 1, 2, 3, 4번에 모두 해당하기 때문에 이 강의를 듣기에 아주 적합한 사람이다.
해당 강의를 통한 목표는 무엇인가?
1. 머신러닝에 대한 기본적인 이해
2. 머신러닝을 통해 내가 가진 어떤 문제를 풀어보고 싶다!
강의 목차
1. 머신러닝이 무엇인가
2. Linear regression
3. Logistic regression
4. 더 많은 형태의 데이터를 가지고 처리하는 방법
5. Neural networks
6. Deep learning
친구가 이 강의를 보고 공부를 하고 있는데 너무 재미있어 보여서 나도 따라서 같이 공부를 하기로 했다! 한 번쯤은 머신러닝에 대해서 좀 깊게 공부해보고 싶다는 생각을 했었는데 사실 계기도 없었고, 혼자서 공부를 하기에는 엄두가 안나서 시도하지 못했다. 마침 중간고사도 끝났고 재밌어 보이는 대회가 있어서 그 대회 준비 겸 내 지식을 쌓기 위해 공부하려고 한다. 다른 사람들도 마찬가지겠지만 나는 하고 싶은 공부를 할 때 가장 효율이 높은 편인데 이 공부도 재미있게 공부할 수 있으면 좋겠다.
오늘부터 5월 18일까지 모두의 딥러닝 Neural Network 2까지 강의를 듣고 이해하는 것이 목표다!
'모두를 위한 딥러닝' 카테고리의 다른 글
[Lab4-1&4-2] Multi-variable regression 및 Loading Data from file (0) | 2018.04.30 |
---|---|
[Lec04] Multi-variable Linear regression 이란? (0) | 2018.04.29 |
[Lec03] Linear Regression의 cost 최소화 알고리즘의 원리 설명 (0) | 2018.04.29 |
[Lec02] Linear Regression의 Hypothesis와 cost 설명 (1) | 2018.04.26 |
[Lec01] 기본적인 머신러닝의 용어와 개념설명 (0) | 2018.04.25 |