1강 |
R이란 무엇인가 |
 |
2강 |
R 설치하기 |
 |
3강 |
데이터관리(1) |
 |
4강 |
데이터관리(2) |
 |
5강 |
데이터파일 불러오기 |
 |
6강 |
딥러닝의 개요와 역사 |
 |
7강 |
신경망의 이해와 다층 퍼셉트론의 필요성 |
 |
8강 |
Tensorflow의 설치와 무작정 해보기 |
 |
9강 |
Tensor의 이해 |
 |
10강 |
Placeholder와 Variable |
 |
11강 |
행렬의 이해와 연산의 수행 |
 |
12강 |
선형회귀와 Cost Function |
 |
13강 |
전통적 회귀와 TensorFlow 활용 선형회귀분석 |
 |
14강 |
TensorFlow의 선형회귀와 학습단위의 이해 |
 |
15강 |
데이터 스케일링과 데이터셋 분할 |
 |
16강 |
활성화함수의 이해 |
 |
17강 |
은닉층의 이해와 생성하기 |
 |
18강 |
역전파와 고속옵티마이저 |
 |
19강 |
학습율과 선형회귀 종합 |
 |
20강 |
로지스틱회귀와 Cost Function |
 |
21강 |
전통적 로지스틱과 TensorFlow 로지스틱 |
 |
22강 |
Loss Function과 모델평가지표 |
 |
23강 |
다항로지스틱과 Softmax |
 |
24강 |
MNIST data의 Softmax |
 |
25강 |
깊은 심층망에서 규제방법 |
 |
26강 |
DNN 실전가이드 |
 |
27강 |
CNN의 개념과 원리 |
 |
28강 |
CNN 연산의 기초 |
 |
29강 |
R의 이미지 전처리 |
 |
30강 |
내 데이터를 이용한 이미지 DNN학습 |
 |
31강 |
MNIST 이미지 DNN학습 |
 |
32강 |
MNIST 이미지 CNN학습 |
 |
33강 |
내 데이터를 이용한 이미지 CNN학습 |
 |
34강 |
RNN의 개념과 원리 |
 |
35강 |
RNN 기본구조 |
 |
36강 |
RNN 다층구조 |
 |
37강 |
RNN을 이용한 주가예측 |
 |