CLASS 02. 인공지능의 이해
- 2강 딥러닝 개념 및 프로세스
- 3강 딥러닝으로의 발전과정
- 4강 Neuron의 모델 및 수학적 모델
- 5강 Learning의 기본 개념
CLASS 03. Perceptron (One Layer Neural Network)
- 6강 Perceptron의 개념 및 구조
- 7강 Perceptron 학습
- 8강 Gradient Descent 개념
- 9강 One Layer Forward Propagation1
- 10강 One Layer Backward Propagation2
CLASS 04. Activation Function, Loss Function
- 11강 Activation Function개념1
- 12강 Activation Function개념2
- 13강 Loss function 개념1
- 14강 Loss function 개념2
CLASS 05. Multilayer Perceptron (Deep Neural Network)
- 15강 Multilayer Perceptron 구조 및 XOR 문제 해결
- 16강 Multilayer Perceptron 행렬 표현
- 17강 Deep Neural Network Forward Propagation
- 18강 Deep Neural Network Backward Propagation1
- 19강 Deep Neural Network Backward Propagation2
CLASS 06. Neural Network in Real World
- 20강 Neural Network 개념 및 실습1
- 21강 Neural Network 개념 및 실습2
- 22강 Neural Network 개념 및 실습3
CLASS 07. 실습(Initialization, Regularization, Optimization)
- 23강 Initialization 개념 및 실습1
- 24강 Initialization 개념 및 실습2
- 25강 Regularization 개념 및 실습1
- 26강 Regularization 개념 및 실습2
- 27강 Regularization 개념 및 실습3
- 28강 Dropout 개념 및 실습1
- 29강 Optimization 개념 및 실습2
- 30강 Optimization 개념 및 실습2
총 학습기간 365일
온라인 
