| 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 |
 |