인공지능

딥러닝 · 머신러닝

뿌리 깊은 딥러닝

딥러닝 라이브러리 없이 바닥부터 알고리즘들을 구현하며 원리를 제대로 파헤쳐 봅시다 :)

(5.0) 수강평 8개

수강생 527명

GIST-ACSL

딥러닝 머신러닝

초급자를 위해 준비한
[딥러닝 · 머신러닝] 강의입니다.

이런 걸 배울 수 있어요

딥러닝 알고리즘 작동 원리
빈틈 없는 딥러닝 알고리즘 구현
다양한 주요 딥러닝 모델 응용 예시

핵심을 알면 어렵지 않습니다 🎯

딥러닝의 세계는 끊임없이 진화하고 있으며, 새로운 모델들이 지속적으로 등장하고 있습니다. 그러나 이 변화의 중심에는 변하지 않는 핵심 개념들이 존재합니다. 이 강의는 바로 그 핵심을 탐구하며, 딥러닝을 깊이 있게 이해하는 데 필요한 토대를 마련해 줍니다.

강의를 통해 통계 기반의 명쾌한 설명과 함께 주요 모델들을 밑바닥부터 구현해 보세요! 주요 모델부터 확실하게 학습하면, 다른 모델들도 쉽게 구현하고 응용할 수 있습니다. 계속해서 새로운 딥러닝 모델들이 나오고 있지만 기존 모델을 보완•응용해서 만들어지기 때문에 주요 모델을 제대로 아는 것이 매우 중요합니다.

쉽고 재미있게 학습할 수 있도록 📖

강의 커리큘럼에 구현(실습 프로젝트)를 포함하다보면 교육자로서 고민이 생깁니다. 구현을 위해서는 환경 설정, 디버깅, 버전 관리 등 여러 요소들이 필요한데 사전 준비과정에 힘을 쏟느라 정작 학습에 집중하지 못하기도 하고, 때로는 강의를 중간에 포기하게 되기도 합니다.

이러한 어려움을 최소화하기 위해 수업에 쓰이는 모든 코드는 Colab으로 제공해드리기 때문에, 인터넷 브라우저만 있으면 환경 설정의 제약 없이 강의를 수강할 수 있습니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

딥러닝을 처음 시작하는 분
구현과 이론을 모두 잡고 싶은 분
기초를 제대로 정리하고 싶은 연구자/개발자 분
바닥부터 꼼꼼하게 구현하며 원리를 이해하고 싶은 분

안녕하세요
GIST-ACSL입니다.

527

명

수강생

개

수강평

5.0

점

강의 평점

개

강의

안녕하세요. 로봇AI를 연구하는 광주과학기술원 AI대학원 김의환입니다.

1) multi-modal perception

2) general-purpose navigation

3) mobile manipulation

연구 관련 더 자세한 내용은 GIST ACSL 홈페이지를 참조해주세요.

앞으로 여러분에게 도움이 되는 강의로 만나겠습니다 :)

커리큘럼

전체

77개 ∙ (24시간 28분)

섹션 1. Preliminary

6개 ∙ (2시간 23분)

1. 수업 자료
2. Basic Concpets
01:02:33
3. Introduction to NumPy and Matplotlib (1)
25:13
4. Introduction to NumPy and Matplotlib (2)
29:31
5. Introduction to NumPy and Matplotlib (3)
10:45
6. Introduction to NumPy and Matplotlib (4)
15:43

섹션 2. 퍼셉트론(Perceptrons)

6개 ∙ (1시간 26분)

7. 수업 자료
8. Basic Gates
32:36
9. Vectorization & MLP Implementation (1)
33:38
10. MLP implementation (2)
07:48
11. MLP implementation (3)
07:48
12. MLP implementation (4)
05:04

섹션 3. 손실 함수(Loss Functions)

6개 ∙ (1시간 56분)

13. 수업 자료
14. Loss Functions 이론
52:47
15. Softmax Loss
14:27
16. Loss Functions 추가 이론
36:17
17. Softmax 연습문제(1) 풀이
01:48
18. Softmax 연습문제(2) 풀이 + Regularization
11:22

섹션 4. 오차역전파(Backpropagation)

10개 ∙ (3시간 10분)

섹션 5. 최적화(Optimization)

6개 ∙ (2시간 44분)

섹션 6. CNNs

7개 ∙ (3시간 2분)

섹션 7. 단어 벡터(Word Vectors)

14개 ∙ (2시간 50분)

섹션 8. RNNs

8개 ∙ (2시간 34분)

섹션 9. Seq2Seq

8개 ∙ (1시간 52분)

섹션 10. Transformers

6개 ∙ (2시간 25분)

강의 게시일: 2024. 03. 26.

마지막 업데이트일: 2024. 03. 27.

수강평

전체

8개

5.0

8개의 수강평

ktlsehdwns
수강평 3
∙
평균 평점 4.7
2025. 06. 18.
5
31% 수강 후 작성
ksgvcman
수강평 2
∙
평균 평점 5.0
2025. 03. 11.
5
31% 수강 후 작성
유승후
수강평 5
∙
평균 평점 5.0
2025. 01. 04.
5
58% 수강 후 작성
gooooood!
hcs7616
수강평 3
∙
평균 평점 5.0
2025. 03. 11.
5
96% 수강 후 작성
윤미최
수강평 3
∙
평균 평점 5.0
2025. 03. 01.
5
31% 수강 후 작성
무료수강 고맙습니다

비슷한 강의

같은 분야의 다른 강의를 만나보세요!

[파이토치] 실전 인공지능으로 이어지는 딥러닝 - 기초부터 논문 구현까지

딥러닝호형

인공지능 분야에서 활용도가 매우 높은 딥러닝 프레임워크인 Pytorch를 이용하여 다양한 인공 신경망을 구현하는 강의입니다.

초급

딥러닝, Python, PyTorch

머신러닝/딥러닝으로 이어지는 선형대수

딥러닝호형

머신러닝/딥러닝 연구에 반드시 필요한 선형대수 내용을 다룹니다.

입문

선형대수학, 머신러닝, 딥러닝

실전도커: 도커로 나만의 딥러닝 클라우드 컴퓨터 만들기

다니엘

도커를 사용해서 클라우드에 딥러닝 분석환경을 만들 수 있습니다. 구글, MS 등이 관리하는 도커 이미지와 클라우드가 결합할 때 여러분의 컴퓨터에서 가장 최신의 딥러닝 분석 방법으로 작업을 수행하는 것이 가능해집니다.

초급

Docker, 가상화, Python

데이터 리터러시의 이해

부산대학교 소프트웨어융합교육원

오렌지3를 활용하여 데이터를 분석하고 시각화하며 머신러닝 개념을 알아보자!

입문

데이터 리터러시, Orange3, 머신러닝

엑셀로 만드는 딥러닝 프레임워크

멋진

엑셀로 딥러닝 프레임워크를 직접 구현해보자! 구현한 프레임워크로 지도학습/ 비지도학습/강화학습을 풀어보자!

초급

VBA, 딥러닝, Excel

[입문자를 위한] 캐글로 시작하는 머신러닝 • 딥러닝 분석

대구빅데이터활용센터

데이터 분석 입문자를 위한, 머신러닝 • 딥러닝 분석 기초 강의입니다

초급

Kaggle, 머신러닝, 딥러닝

코드로 한 방에 이해되는 파이토치_프로젝트편

주식회사한시경

코드로 한 방에 이해되는 파이토치_프로젝트 편은 이미지, 비디오, 자연어 데이터를 활용해 실전 딥러닝 프로젝트를 구현하며, 이론보다는 코드 중심의 학습을 통해 모델의 구조와 흐름을 이해합니다.

중급이상

딥러닝, 인공지능(AI)

딥러닝을 위한 기초 수학

Masocampus

딥러닝을 본격적으로 활용하기 위한 머신러닝 개념, 인공지능의 학습 원리, 모델 구현을 위한 수학적 원리 알기!

초급

딥러닝, 머신러닝

실리콘밸리 엔지니어와 함께하는 MLflow

미쿡엔지니어

ML 실험 관리, 아직도 수작업으로 하시나요? 🤔 MLflow로 실험 추적부터 모델 배포까지 자동화하고, 개발 생산성을 확 끌어올려 보세요! 데이터 사이언티스트와 ML 엔지니어라면 필수 스킬 💡 지금 바로 시작하세요! 🚀

입문

mlflow, 머신러닝, mlops

유니티 머신러닝 에이전트 완전정복 (기초편)

민규식

이 강의를 통해 수강생은 다양한 강화학습의 이론을 학습하고 이를 직접 구현해 볼 뿐만 아니라 유니티 머신러닝 에이전트를 이용하여 구현한 강화학습 알고리즘을 테스트해볼 강화학습 환경까지 직접 제작해볼 수 있습니다.

초급

강화학습, 머신러닝, Unity

스파크 머신러닝 완벽 가이드 - Part 1

권 철민

스파크(Spark) 머신러닝의 핵심 Framework에 대한 이해, 난이도 높은 실전 문제를 통한 SQL 기반의 데이터 가공, 업무 도메인 분석을 통한 데이터 분석과 최적화된 머신러닝 모델 구현 능력까지, 대용량 데이터 기반에서 머신러닝 전문가로 인정 받고 싶다면 이 강의와 함께 하십시요.

중급이상

Apache Spark, 머신러닝, 빅데이터