딥러닝
섹션
6개
강의
35개
커리큘럼
6개 섹션, 35개 강의
1
딥러닝 입문과 환경
1.1
컴퓨터 비전과 머신러닝
1.2
뉴런과 퍼셉트론
1.3
딥러닝 프레임워크
2
분류 모델의 학습과 평가
2.1
이항 분류
2.2
단층신경망
2.3
손실 함수
2.4
경사하강법
2.5
테스트와 일반화
2.6
혼동 행렬
2.7
문턱값
3
신경망 심화
3.1
다층 신경망
3.2
역전파
3.3
활성화 함수
3.4
다항 분류
3.5
옵티마이저
3.6
데이터셋 분할
3.7
하이퍼파라미터 튜닝
3.8
Neural Architecture Search
3.9
정칙화
3.10
조기 종료와 모델 체크포인트
4
비전 모델과 이미지 파이프라인
4.1
합성곱 신경망(CNN)
4.2
패딩과 스트라이드
4.3
CNN의 다양한 구조
4.4
Vision Transformer
4.5
이미지 로딩
4.6
데이터 증강
5
생성 모델과 응용
5.1
오토인코더
5.2
GAN
5.3
확산 모형
5.4
전이 학습
6
시퀀스와 자연어 모델
6.1
딥러닝 자연어 처리
6.2
순환신경망(RNN)
6.3
시퀀스-투-시퀀스 모델
6.4
주의 메커니즘
6.5
트랜스포머
