스터디 - 앤드류 응(Andrew Ng) 교수님의 딥러닝 강좌

무료 온라인 강좌 플랫폼인 에드위드(edwith)에 앤드류 응(Andrew Ng) 교수님의 딥러닝 강좌가 있어서 한번 들어봤습니다. 이 딥러닝 강좌를 들은 목적은 두 가지였습니다. 첫 번째는 딥러닝 전반에 대한 복습이고, 두 번째는 컴퓨터 비전 학습을 위한 부팅이었습니다. 처음엔 그냥 강의만 듣는 것이고 이미 아는 내용이 많기 때문에 금방 들을 수 있겠지라는 마음으로 시작했습니다. 그런데 총 140강으로 강좌수가 많아서 약 2~3주가량 걸렸습니다. 머신러닝/딥러닝의 대가인 앤드류 응 교수님의 강좌이기 때문에 강의 퀄리티는 말할 필요 없이 좋았습니다. 이론뿐만 아니라 실제 적용을 위한 팁도 알려주어 유용했습니다. 

또한, 에드위드에서 한글 자막을 달아줬을 뿐만 아니라 각 강의마다 핵심 개념을 요약정리해주어 공부하기가 한결 편했습니다. 아래는 에드위드에서 모든 강의에 대해 요약한 내용을 모아서 정리한 파일입니다. 딥러닝1~4까지 있는데 순서대로 1. 신경망과 딥러닝, 2. 심층 신경망 성능 향상시키기, 3. 머신러닝 프로젝트 구조화하기, 4. 합성곱 신경망 네트워크 강좌에 대한 정리입니다.

딥러닝1.docx

2.92MB

딥러닝2.docx

2.18MB

딥러닝3.docx

1.36MB

딥러닝4.docx

6.35MB

Andrew Ng 교수님의 딥러닝 강좌 목차 (총 140강)

1. 신경망과 딥러닝 (총 41강)
   • 딥러닝 소개
   • 신경망과 로지스틱회귀
   • 파이썬과 벡터화
   • 얕은 신경망 네트워크
   • 심층 신경망 네트워크
2. 심층 신경망 성능 향상시키기 (총 34강)
   • 머신러닝 어플리케이션 설정하기
   • 신경망 네트워크의 정규화
   • 최적화 문제 설정
   • 최적화 알고리즘
   • 하이퍼파라미터 튜닝
   • 배치 정규화
   • 다중 클래스 분류
   • 프로그래밍 프레임워크 소개
3. 머신러닝 프로젝트 구조화하기 (총 22강)
   • ML전략 소개
   • 목표 설정하기
   • 사람 수준의 성능과 비교하기
   • 오차 분석
   • Training과 Dev/Test 세트의 불일치
   • 다양한 문제로부터 학습시키기
   • End-to-end Deep Learning
4. 합성곱 신경망 네트워크 (CNN) (총 43강)
   • 합성곱 신경망 (Convolutional Neural Networks)
   • 케이스 스터디 
   • ConvNets을 위한 실질적인 조언들
   • 탐지 알고리즘
   • 얼굴 인식
   • 신경망 스타일 변형 (Neural Style Transfer)