기본적인 머신러닝과 딥러닝 강의

출처 : http://hunkim.github.io/ml/

정말 쉬운 머신러닝과 딥러닝의 강의

알파고와 이세돌의 경기를 보면서 이제 머신 러닝이 인간이 잘 한다고 여겨진 직관과 의사 결정능력에서도 충분한 데이타가 있으면 어느정도 또는 우리보다 더 잘할수도 있다는 생각을 많이 하게 되었습니다. Andrew Ng 교수님이 말씀하신것 처럼 이런 시대에 머신 러닝을 잘 이해하고 잘 다룰수 있다면 그야말로 "Super Power"를 가지게 되는 것이 아닌가 생각합니다.

더 많은 분들이 머신 러닝과 딥러닝에 대해 더 이해하고 본인들의 문제를 이 멋진 도구를 이용해서 풀수 있게 하기위해 비디오 강의를 준비하였습니다. 더 나아가 이론에만 그치지 않고 최근 구글이 공개한 머신러닝을 위한 오픈소스인 TensorFlow를 이용해서 이론을 구현해 볼수 있도록 하였습니다.

수학이나 컴퓨터 공학적인 지식이 없이도 쉽게 볼수 있도록 만들려고 노력하였습니다.

내용 (대략 1주일에 하나씩 업데이트 됩니다.)

• 수업의 개요 비디오 
• 머신러닝의 개념과 용어 비디오  (TensorFlow의 기본 Lab 비디오 )
• Linear Regression 의 개념 비디오  (TensorFlow 로 구현 Lab 비디오 )
• Linear Regression cost함수 최소화 비디오  (TensorFlow 로 구현 Lab 비디오 )
• 여러개의 입력(feature)의 Linear Regression 비디오  (TensorFlow 로 구현 Lab 비디오 )
• Logistic (Regression) Classification 슬라이드 
• Hypothesis 함수 소개 비디오 
• Cost 함수 소개 비디오 
• TensorFlow에서의 구현 비디오 
• Softmax Regression (Multinomial Logistic Regression)
• Neural Networks
• Convolutional Neural Networks
• Recurrent Neural Network
• Deep Deep Network AWS 에서 돌려보기 (powered by AWS)

Acknowledgement

이 비디오는 저도 인터넷등을 통해 공부하면서 만든것이며 아래 자료를 많이 사용하였습니다.

• Andrew Ng’s and other ML tutorials
• https://class.coursera.org/ml-003/lecture
• http://www.holehouse.org/mlclass/ (note)
• Deep Learning Tutorial
• Andrej Karpathy's Youtube channel
• Convolutional Neural Networks for Visual Recognition.
• http://cs231n.github.io/
• Tensorflow
• https://www.tensorflow.org
• https://github.com/aymericdamien/TensorFlow-Examples
• Deep learning @Udicity

의견주기

비디오나 강의에 대한 의견이 있으시면 아래로 이메일을 보내 주시면 됩니다. hunkim+ml@gmail.com