AI_학습노트/CS231n (10) 썸네일형 리스트형 _10.[CS231n]Lecture7. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. Optimization Lecture5. Neural Networks Lecture6.Backpropagation Lecture7.CNN(Convolutional neural network) 7.1 Convolutional Network 7.2 Convolutional Network 7.3 Convolutional Network 7.4 Convolutional Network 7.5 Convol.. _09.[CS231n]Lecture6. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. Optimization Lecture5. Neural Networks Lecture6.Backpropagation 6.1 How to compute gradients? 6.2 Another Example 6.3 Backprop with vector 6.4 숙명여대 한국어 강의 [링크1] (01:01:00부터) 숙명여대 한국어 강의 [링크2] 6.1 How to compute gradients?.. _08.[CS231N]Lecture5. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. Optimization Lecture5. Neural Networks 5.1 개요 5.2 Fully-connected neural network 5.3 Space Warping 5.4 Universal Approximation 5.5 Convex Function 숙명여대 한글강의 [링크](55분 부분부터) 5.1 개요 선형분류 모델은 몇가지 문제가 있습니다. 선형분류로 분류되지 않는 문제와 템.. _07.[CS231N] Lecture4. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. 최적화(Optimization) 4.1 optimization 개요 4.2 Computing Gradients Numeric gradient Analytic gradient 4.3 Stochastic Gradient Descent(SGD) 4.4 SGD 변형 (5가지) 숙명여대 한국어 강의:[링크] 이번 강의부터는 드디어 한국어 강의 영상을 같이 볼 수있게 되었다. 숙명여대 최영근 교수님의 강.. _06.[CS231N] Lecture3. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers 3.1 선형 분류기(Linear Classification) 3.2 선형분류기 세가지 관점 3.3 손실함수 (Loss Function) 3.3-1 Milticlass SVM Loss 3.3-2 Regularization 3.3-3 Cross-Entropt Loss Assignment2:[링크] *이번 강의부터는 Michigan CS231n강의를 한국 숙명여대 통계학과에서 번역하여 수업하는 슬라이드를 가지고 학습.. _05.[CS231N] Lecture2. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification 2.1 이미지 분류(Image Classification) 2.2 데이터 기반 접근(Data-Driven Approch) 2.3 Nearest Neighbor Classifier 2.4 k-최근접 이웃 분류기(k-Nearest Neighbor Classifier) 2.5 하이퍼파라미티 조정을 위한 검증셋(Validation sets for Hyperparameter tuning) Assignment1:[링크] 실습 자료: CIFAR10 데이터셋 다운받기 이번 강.. _04.[CS231N] Lecture1. ** 제가 작성하는 CS231n 노트는 강의를 번역하는것이아니라, 부족하지만 노베이스인 제가 여러 학습 자료를 통해 이 강의를 이해한 내용을 정리해 두고자 함입니다. 따라서 어려운 개념의 수식이나, 이야기를 길어지게하는 디테일은 되도록 생략하려 합니다. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. 1.1 컴퓨터 비전분야 속 딥러닝 1.2 허블과 비셀실험 1.3 컴퓨터 비전기기술의 미래 1.1 컴퓨터 비전분야 속 딥러닝 1강에서는 컴퓨터 비전의 역사와 컴퓨터 비전분야에서의 딥러님의 역사를 설명한다. 컴퓨터 비전의 개념적 출발점이라고 할 수 있는 허블(Huble).. _03. DL-CNN을 이용한 이미지 인식의 개념정리 앞서 머신러닝의 전체적인 그림이 그려졌다면, 강의를 보기전, CS231n 강의에 대한 전체적인 그림도 그려보고 가자~! 강의 내용시 기본 지식이 되는 꼭 필요한 CNN구조의 이미지 분류에 대한 기본 개념을 먼저 공부하자. CS231n의 전체적인 강의는 이 CNN구조로 가는 흐름과 CNN의 세부 사항에 관한 이야기이다. 아래 블로그를 통해서, 학습한 후 진짜 세부강의로 들어가서 스터디 하길 추천한다. 물론, 이 사항은 노베이스 학습자의 경우에 기반한다. 이미 이러한 지식이 있는 사람은 .. 그저 부러울 뿐.. ^^ [딥러닝 초보자를 위한 CNN을 이용한 이미지 인식의 이해](2016년도 작성글: 조대협님의 블로그] 이전 1 2 다음
