|
|
Ȧ·Î¼±â Ä«Å×°í¸® Àüüº¸±â |
|
|
|
|
ÃÊ‧Áß‧°í Âü°í¼ |
|
|
|
Ȧ·Î¼±â¸ðÀ½Áý |
|
°íµî±âº»¼/¹®Á¦Áý |
|
¼ö´É´ëºñ/±âÃâ¹®Á¦Áý |
|
EBS°íµî |
|
EBSÁßµî |
|
ÁßÇг»½Å¹®Á¦Áý |
|
ÁßÇй®Á¦Áý |
|
Ãʵî |
|
POD |
|
|
|
8ÀýÁ¢ÁöÇü ¸ðÀÇ°í»ç |
|
ÀÎÇÇ´ÏÆ®(Áßµî±âÃâ+¼ÕÇؼ³) |
|
ÀÎÇÇ´ÏÆ®(°ø¾ç¹Ì/°ø¾ç¹Ì¶óÀÌÆ®) |
|
ÀÎÇÇ´ÏÆ®(´É¼ö´ÉºÀ/ºÀÃßÂò´ß) |
|
ÀÎÇÇ´ÏÆ®(Æ÷µµºÀºÀ/ºÀ±â¼öÇÐ) |
|
ÀÎÇÇ´ÏÆ®(¼ö´ÉAccept/Feels) |
|
ÇعмöÇÐ |
|
ÀåÅ°æ¼öÇÐ |
|
Á¤±âÁß |
|
ÀÎÇÇ´ÏÆ®(±×¸´) |
|
¼öÇнºÄ³´× |
|
¸¶Ä¿½º³ëÆ® |
|
¾Æħ¹ä°øºÎ |
|
À̺¥Æ® |
|
|
|
À̺¥Æ® |
|
°øµ¿±¸¸Å |
|
¸®ÆÛºê |
|
±âȹ»óÇ° |
|
±³ÀçÁ¦ÀÛ |
|
|
|
±³ÀçÁ¦ÀÛ |
|
E-BOOK(ÀÚ·á½Ç) |
|
|
|
°íµî |
|
|
|
ÃÊ‧Áß‧°í Âü°í¼ |
| |
°ø¹«¿ø |
| |
ÀϹݵµ¼ |
| |
POD |
| |
À̺¥Æ® |
| |
¸ðÀÇ°í»ç ¸ÂÃãÁ¦ÀÛ |
| |
À¯Çüº°¸ÂÃãÁ¦ÀÛ |
| |
±³ÀçÁ¦ÀÛ |
| |
E-BOOK(ÀÚ·á½Ç) |
|
|
|
> |
|
|
|
|
|
¸ñÂ÷ Part 01 ÆÄÀÌÅäÄ¡ ±âÃÊ 1. ÆÄÀ̽㠶Ǵ ¾Æ³ªÄÜ´Ù ¼³Ä¡Çϱâ 1.1 ÆÄÀ̽㠰ø½Ä ȨÆäÀÌÁö¿¡¼ ´Ù¿î·ÎµåÇϱâ 1.2 ¾Æ³ªÄÜ´Ù¸¦ ÀÌ¿ëÇØ ÆÄÀ̽㠴ٿî·ÎµåÇϱâ 1.3 °ø½Ä ȨÆäÀÌÁö¿¡¼ ÆÄÀ̽㠼³Ä¡Çϱâ vs. ¾Æ³ªÄÜ´Ù¸¦ ÀÌ¿ëÇØ ÆÄÀ̽㠼³Ä¡Çϱâ 1.4 °¡»ó ȯ°æ ¼³Á¤Çϱâ 1.5 ÁÖÇÇÅÍ ³ëÆ®ºÏ ¼³Ä¡ ¹× ½ÇÇà 2. CUDA, CuDNN ¼³Ä¡Çϱâ 2.1 CPU vs. GPU 2.2 CUDA ¿ªÇÒ ¹× ¼³Ä¡Çϱâ 2.3 CuDNN ¿ªÇÒ ¹× ¼³Ä¡Çϱâ 2.4 Docker¶õ? 3. ÆÄÀÌÅäÄ¡ ¼³Ä¡Çϱâ 4. ¹Ýµå½Ã ¾Ë¾Æ¾ß ÇÏ´Â ÆÄÀÌÅäÄ¡ ½ºÅ³ 4.1 ÅÙ¼ 4.2 Autograd
Part 02 AI Background 1. ÀΰøÁö´É(µö·¯´×)ÀÇ Á¤ÀÇ¿Í »ç·Ê 1.1 ÀΰøÁö´ÉÀ̶õ? 1.2 ÀΰøÁö´ÉÀÇ »ç·Ê 2. ÆÄÀÌÅäÄ¡ 3. ¸Ó½Å·¯´×ÀÇ Á¤ÀÇ¿Í Á¾·ù 3.1 ¸Ó½Å·¯´×À̶õ? 3.2 ¸Ó½Å·¯´×ÀÇ Á¾·ù 3.3 ¸Ó½Å·¯´×ÀÇ ±¸ºÐ 3.4 ÁöµµÇнÀ ¸ðµ¨ÀÇ Á¾·ù 4. °úÀûÇÕ 4.1 ÇнÀÇÒ »ùÇà µ¥ÀÌÅÍ ¼öÀÇ ºÎÁ· 4.2 Ç®°íÀÚ ÇÏ´Â ¹®Á¦¿¡ ºñÇØ º¹ÀâÇÑ ¸ðµ¨À» Àû¿ë 4.3 ÀûÇÕ¼º Æò°¡ ¹× ½ÇÇè ¼³°è(Training, Validation, Test , Cross Validation) 5. Àΰø ½Å°æ¸Á 5.1 ÆÛ¼ÁÆ®·Ð 5.2 ½Å°æ¸Á ¸ðÇüÀÇ ´ÜÁ¡ 6. ¼º´É ÁöÇ¥
Part 03 Deep Learning 1. µö·¯´×ÀÇ Á¤ÀÇ 2. µö·¯´×ÀÌ ¹ßÀüÇÏ°Ô µÈ °è±â 3. µö·¯´×ÀÇ Á¾·ù 4. µö·¯´×ÀÇ ¹ßÀüÀ» À̲ö ¾Ë°í¸®Áò 4.1 Dropout 4.2 Activation ÇÔ¼ö 4.3 Batch Normalization 4.4 Initialization 4.5 Optimizer 4.6 AutoEncoder(AE) 4.7 Stacked AutoEncoder 4.8 Denoising AutoEncoder(DAE)
Part 04 ÄÄÇ»ÅÍ ºñÀü 1. Convolutional Neural Network(CNN) 2. CNN°ú MLP 3. Data Augmentation 4. CNN Architecture 5. Transfer Learning
Part 05 ÀÚ¿¬¾î ó¸® 1. Data & Task: ¾î¶² µ¥ÀÌÅÍ°¡ ÀÖÀ»±î? 1.1 °¨Á¤ ºÐ¼®(Sentiment Analysis) 1.2 ¿ä¾à(Summarization) 1.3 ±â°è ¹ø¿ª(Machine Translation) 1.4 Áú¹® ÀÀ´ä(Question Answering) 1.5 ±âŸ(etc.) 2. ¹®ÀÚ¸¦ ¼ýÀڷΠǥÇöÇÏ´Â ¹æ¹ý 2.1 Corpus & Out-of-Vocabulary(OOV) 2.2 Byte Pair Encoding(BPE) 2.3 Word Embedding 3. Models 3.1 Deep Learning Models 3.2 Pre-Trained ModelÀÇ ½Ã´ë - Transformer, BERTÀÇ µîÀå 4. Recap 4.1 ?5-3_model_imdb_glove.ipynb¡¯ Äڵ忡 ´ëÇÑ ¼³¸í 4.2 ?5-5_model_imdb_BERT.ipynb¡¯ Äڵ忡 ´ëÇÑ ¼³¸í 4.3 ¸ðµ¨ ¼º´É ºñ±³
Part 06 Other Topics 1. Generative Adversarial Networks(GAN) 2. °ÈÇнÀ 3. Domain Adaptation 4. Continual Learning 5. Object Detection 6. Segmentation 7. Meta Learning 8. AutoML ÀúÀÚ¼Ò°³:ÀúÀÚ : ÀÌ°æÅà ¼º±Õ°ü´ëÇб³ Åë°èÇаú¸¦ Àü°øÇÏ°í, ºòµ¥ÀÌÅÍ ¿¬ÇÕ ÇÐȸ Åõºò½º¸¦ ¸¸µé¾ú´Ù. ÇöÀç ¿¬¼¼´ëÇб³ »ê¾÷°øÇаú¿¡¼ ¹Ú»ç°úÁ¤À» ¹â°í ÀÖ´Ù. µ¥ÀÌÅÍ ºÐ¼® ¹× ÀΰøÁö´É °ü·Ã ´ëȸ¿¡¼ ´Ù¼öÀÇ ¼ö»óÀ» ÇÏ¿´À¸¸ç µ¥ÀÌÅÍ ºÐ¼®°ú ÀΰøÁö´É Àü ºÐ¾ß¿¡ °ü½ÉÀ» °®°í ¿¬±¸ ÁßÀÌ´Ù. ƯÈ÷ µö·¯´×°ú °ÈÇнÀ¿¡ °ü½ÉÀ» °¡Áö°í ÀÖÀ¸¸ç, ºí·Î±× ¿î¿µ ¹× ´Ù¾çÇÑ °¿¬ È°µ¿ µîÀ» ÁøÇàÇÏ°í ÀÖ´Ù.
ÀúÀÚ : ¹æ¼º¼ö °í·Á´ëÇб³ ¼öÇб³À°°ú¿Í Åë°èÇÐÀ» Àü°øÇÏ°í Åë°èÇÐ ¼®»ç ÈÄ ÇöÀç ±¹³» ¸Þ½ÅÀú IT ±â¾÷¿¡ ÀçÁ÷ ÁßÀÌ´Ù. Åõºò½º¸¦ ÅëÇØ ÀΰøÁö´É¿¡ °ü½ÉÀ» °¡Áö±â ½ÃÀÛÇÏ¿´´Ù. ȸ»ç¿¡¼ °Ë»ö¾î °ü·Ã ¿¬±¸¿Í °³¹ßÀ» ÁøÇàÇÏ´Ù°¡ À̸¦ È®ÀåÇÑ Ãßõ ¿¬±¸¸¦ ÁøÇàÇÏ°í ÀÖ´Ù. ÀÓº£µù º¤ÅÍ¿¡ ´Ù¾çÇÑ Á¤º¸¸¦ È¿À²ÀûÀ¸·Î ´ãÀ» ¼ö ÀÖ´Â ¹æ¹ý°ú µö·¯´× ¸ðµ¨ÀÇ ¼³¸í·Â¿¡ °ü½ÉÀÌ ¸¹´Ù.
ÀúÀÚ : ¾È»óÁØ ±¹¹Î´ëÇб³ ºòµ¥ÀÌÅÍ °æ¿µÅë°è¸¦ Àü°øÇÏ°í, ¿¬¼¼´ëÇб³ »ê¾÷°øÇаú¿¡¼ ´ëÇпø °úÁ¤À» ¹â°í ÀÖ´Ù. ÇöÀç´Â µ¥ÀÌÅÍ »çÀ̾𽺠±â¼úÀ» È°¿ëÇÏ¿© ½ÇÁ¦ »ê¾÷¿¡¼ ¹ß»ýµÇ´Â ¹®Á¦µéÀ» ÇØ°áÇÏ´Â ÇÁ·ÎÁ§Æ®µéÀ» ´Ù¾çÇÏ°Ô ¼öÇàÇÏ°í ÀÖ´Ù. ¿¬±¸½Ç¿¡¼´Â ÁÖ·Î ÀÚ¿¬¾î ó¸®¿Í ÀÌ»ó ŽÁö ºÐ¾ß¿¡ ´ëÇØ ¿¬±¸¸¦ ¼öÇàÇÏ°í ÀÖÀ¸¸ç, ºòµ¥ÀÌÅÍ ¿¬ÇÕ µ¿¾Æ¸® Åõºò½º¸¦ ÅëÇØ ÀúÀÚµéÀ» ¾Ë°Ô µÇ¾î °°ÀÌ °øºÎÇϸç Á¤¸®ÇÑ ³»¿ëµéÀ» ¹ÙÅÁÀ¸·Î ÀÌ Ã¥À» ÁýÇÊÇÏ°Ô µÇ¾ú´Ù. ÃâÆÇ»ç¼Æò:ÆÄÀÌÅäÄ¡¸¦ ½ÃÀÛÇϱâ À§ÇÑ ¹Ø°Å¸§!
µö·¯´×Àº ¸¸´ÉÀ̸ç À̹ÌÁö °ü·Ã Task¿¡´Â CNN, ÅؽºÆ® °ü·Ã Task¿¡´Â RNNÀ» »ç¿ëÇÏ¸é µÈ´Ù°í ¸¹Àº »ç¶÷µéÀÌ ¾Ë°í ÀÖ´Ù. µö·¯´×Àº À̹ÌÁö³ª ÅؽºÆ®¿¡ ºñÇØ ³ôÀº ¼º´ÉÀ» Áö´Ï°í ÀÖ´Â °ÍÀº ¸ÂÁö¸¸, Áß¿äÇÑ °ÍÀº ¿Ö µö·¯´×ÀÌ À̹ÌÁö³ª ÅؽºÆ®¿¡ Àß ¸Â´ÂÁö¸¦ ÀÌÇØÇÏ´Â °ÍÀÌ´Ù. µö·¯´×Àº »õ·Î¿î ¸ðµ¨ÀÇ °³³äÀÌ ¾Æ´Ñ, ½Å°æ¸ÁÀÌ ¹ßÀüÇÑ ¸ðµ¨À̹ǷΠÇнÀÇÏ´Â ¾Ë°í¸®ÁòÀÇ Æ¯¼º»ó °úÀûÇÕÀÌ ½ÉÇÏ°Ô ÀϾÙ. ÀÌ Ã¥Àº ÆÄÀ̽ãÀ¸·Î µö·¯´×À» ÀÌÇØÇÏ°íÀÚ ÇÏ´Â »ç¶÷µéÀ» À§ÇØ ±× ºÐ¾ß¸¦ ÁßÁ¡ÀûÀ¸·Î Ä£ÀýÇÏ°Ô ¼³¸íÇÏ°í ÀÖ´Ù. ¼¼ ¸íÀÇ ÀúÀÚ°¡ ÀΰøÁö´ÉÀ» °øºÎÇÏ¸é¼ ±Ã±ÝÇß´ø ºÎºÐÀ» ÀçÁ¤¸³ÇÏ°í, ²À ¾Ë¾Æ¾ß ÇÒ ³»¿ë¸¸ ÁýÁßÀûÀ¸·Î Á¤¸®ÇÏ¿´±â ¶§¹®¿¡ ÀÔ¹®ÀÚ¿¡°Ô ÀûÇÕÇÑ µµ¼ÀÌ´Ù. Æò»ý ÇÁ·Î±×·¡¹ÖÀ» ÇÒ ÀÏÀÌ ¾ø´Ù°í »ý°¢ÇÏ´ø ¡®Äھ˸ø¡¯µéµµ ±× °úÁ¤À» Á÷Á¢ °ÞÀº ÀúÀÚ°¡ ±âÃʺÎÅÍ ¼³¸íÇϱ⠶§¹®¿¡ ¾î¶»°Ô °øºÎÇØ¾ß ÇÏ´ÂÁö¸¦ ¾Ë ¼ö ÀÖÀ» °ÍÀÌ´Ù. ¼ÁöÁ¤º¸:Ã¥¼Ò°³, ÀúÀÚ¼Ò°³, ÃâÆÇ»ç¼Æò, ¸ñÂ÷ ÆÄÀ̽ãÀº ¼±ÅÃÀÌ ¾Æ´Ñ Çʼö! ÆÄÀÌÅäÄ¡·Î µö·¯´× ÀÔ¹®Çϱâ!
ÀÌ Ã¥Àº µö·¯´× ±â¼ú¿¡ ÃÊÁ¡À» µÎ°í µö·¯´×À» ±¸ÇöÇϱâ À§ÇØ ÆÄÀ̽ãÀ» ÀÌ¿ëÇϴµ¥, ¸Ó½Å·¯´× ¶óÀ̺귯¸®ÀÎ ÆÄÀÌÅäÄ¡¸¦ È°¿ëÇÏ¿© ´Ù¾çÇÑ ÅÙ¼¸¦ Áö¿øÇÏ´Â ¹æ¹ýÀ» ¾Ë¾Æº»´Ù. ÆÄÀÌÅäÄ¡´Â ÆÄÀ̽ã ÄÚµù°ú ºñ½ÁÇϱ⠶§¹®¿¡ ¾ð¾î°¡ ¾î·ÆÁö ¾Ê´Ù. Äڵ尡 °£°áÇÏ°í ³À̵µ°¡ ³·¾Æ ÅÙ¼Ç÷ο캸´Ù »ç¿ëÇϱâ ÈξÀ ½±´Ù´Â Ư¡ÀÌ ÀÖ´Ù. ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÇ ±âº»Àû ¼öÁظ¸ °®Ãß°í ÀÖ´Ù¸é °í±Þ ½ºÅ³ÀÌ ¾ø¾îµµ Äڵ带 ÀÛ¼ºÇغ¸¸ç Á÷Á¢ ½ÇÇàÇغ¼ ¼ö ÀÖµµ·Ï ±¸¼ºÇÏ¿´±â ¶§¹®¿¡ Àǹ̸¦ Á¤È®ÇÏ°í °³³äÀ» ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ÇнÀÀ» ½ÃÀÛÇϱâ Àü ±âº»ÀûÀÎ ³»¿ë°ú ÄÚµå ÀÛ¼ºÀ» À§ÇÑ ½Ã½ºÅÛ È¯°æ ±¸ÃàºÎÅÍ ½ÃÀÛÇÏ¿©, ¿äÁò ½±°Ô µé¸®´Â ¸Ó½Å·¯´×, µö·¯´×, ÀΰøÁö´É µîÀÇ °³³äÀ» ½±°Ô ¼³¸íÇÏ°í È°¿ë ºÐ¾ßµµ ¾Ë¾Æº»´Ù. ƯÈ÷ Áß°£ Áß°£ ¿¹Á¦¸¦ ¼ö·ÏÇÏ¿© ÄÚµå¿Í ¼³¸íÀ» ÀÚ¼¼ÇÏ°Ô ¼³¸íÇϱ⠶§¹®¿¡ Ãʺ¸Àڵ鵵 ½±°Ô Á¢±ÙÇÒ ¼ö ÀÖ´Ù´Â ÀåÁ¡ÀÌ ÀÖ´Ù. Äڵ带 µû¶óÇϱâ À§ÇÑ ½Ç½À ÆÄÀÏ ´Ù¿î·Îµå´Â Á¤º¸¹®È»ç ȨÆäÀÌÁö(infopub.co.kr) ÀÚ·á½Ç¿¡¼ °¡´ÉÇϸç, ÇнÀ Áß ±Ã±ÝÇÑ »çÇ×Àº ÀúÀÚÀÇ github.com/Justin-A/DeepLearning101/issues¿¡¼ Çǵå¹é °¡´ÉÇÏ´Ù.
|
|
|
¹øÈ£ |
Á¦¸ñ |
ÀÛ¼ºÀÚ |
µî·ÏÀÏ |
Á¶È¸¼ö |
|
µî·ÏµÈ ¹®ÀÇ°¡¾ø½À´Ï´Ù. |
|
|
|
|
»óÇ°Æò |
Æò°¡Á¡¼ö |
Æò°¡ÀÏ |
|
µî·ÏµÈ ³×À̹ö±¸¸ÅÆòÀÌ ¾ø½À´Ï´Ù. |
|
|
|
¹ÝÇ°/±³È¯ ¹æ¹ý |
Q&A°Ô½ÃÆÇ, °í°´¼¾ÅÍ(02-853-8180) |
|
¹ÝÇ°/±³È¯ °¡´É±â°£ |
¼ö·ÉÈÄ 1ÁÖÀÏ À̳»ÀÇ »óÇ° |
|
¹ÝÇ°/±³È¯ ºñ¿ë |
¡¤ °íÀÇ ´Ü¼øº¯½É ¹× Âø¿À±¸¸ÅÀÏ °æ¿ì »óÇ° ¹è¼Ûºñ´Â °í°´ ºÎ´ãÇÔ ¡¤ À§ »çÇ× ÀÌ¿ÜÀÇ ¹®Á¦¿¡ ´ëÇؼ´Â ´ç½Ã¿¡¼ ¹è¼Ûºñ ºÎ´ã ¡¤ ¹ß»ýÇÏ´Â ºñ¿ë󸮴 ÁÖ¹®ÀÚ¿Í ´ç»ç°£¿¡ ÇùÀÇ ÈÄ Á¤ÇÔ |
|
¹ÝÇ°/±³È¯ ºÒ°¡»çÀ¯ |
¡¤ ¸ÂÃãÁ¦ÀÛ/±³ÀçÁ¦ÀÛÀ¸·Î ÀÛ¾÷µÈ »óÇ° ¡¤ ½ºÇÁ¸µ/Æ®À©¸µÀ¸·Î ¿É¼Çó¸®µÈ »óÇ° ¡¤ ¼ÒºñÀÚÀÇ ¿äû¿¡ µû¶ó °³º°ÀûÀ¸·Î ÁÖ¹® Á¦À۵Ǵ »óÇ° ¡¤ Ã¥¿¡ ¿À¿°/»ç¿ë°¨/ÀÌ»óÀÌ »ý°åÀ» °æ¿ì |
|
|
|