Deep Learning
신경망, CNN, RNN, Transformer 등 딥러닝의 핵심 모델과 학습 알고리즘을 직접 구현하고 정리한 노트들입니다.
Deep Learning
2-3. 확률 및 통계 기초: 확률 분포, 기댓값, 분산
딥러닝에서 자주 사용되는 확률 및 통계 개념(확률 분포, 기댓값, 분산)을 소개하고, 활용 사례를 제시합니다.
Deep Learning
6-5. Text Classification 실습: RNN, LSTM, GRU 모델 비교
RNN, LSTM, GRU 모델을 이용하여 텍스트 분류 문제를 해결하고, 성능을 비교 분석하는 실습 과정을 상세히 설명합니다.
Deep Learning
4-1. TensorFlow 설치 및 기본 사용법: 텐서 연산, 자동 미분
TensorFlow 라이브러리의 설치 방법과 기본적인 사용법(텐서 연산, 자동 미분)을 소개하고, 예제 코드를 제공합니다.
Deep Learning
10-1. 딥러닝 모델 배포: TensorFlow Serving, Flask API
TensorFlow Serving, Flask API 등을 이용하여 딥러닝 모델을 배포하는 방법을 소개하고, 실제 서비스에 적용하는 과정을 설명합니다.
Deep Learning
5-5. Image Classification 실습: CNN 모델 구현 및 학습
CNN 모델을 직접 구현하고, 이미지 분류 문제(CIFAR-10, ImageNet 일부)를 해결하는 실습 과정을 상세히 설명합니다.
Deep Learning
5-1. 합성곱 신경망 (CNN) 기초: Convolution, Pooling
--- title: "date: 2026-01-06" category: '' tags: [] summary: --- 1. 합성곱 신경망(CNN)의 등장 배경 이미지, 비디오, 음성 등 다양한 형태의 데이터를 다루는 딥러닝 모델 중, 특히 이미지 인식 분야에서...
Deep Learning
4-4. MNIST 손글씨 숫자 인식: TensorFlow/Keras 실습
--- title: "date: 2026-01-06" category: '' tags: [] summary: --- 1. MNIST 손글씨 숫자 인식 문제 소개 MNIST(Modified National Institute of Standards and...
Deep Learning
5-6. 최신 CNN 아키텍처: ResNet, Inception, EfficientNet
ResNet, Inception, EfficientNet 등 최신 CNN 아키텍처의 특징과 성능을 비교 분석하고, 발전 방향을 제시합니다.
Deep Learning
2-5. Jupyter Notebook 사용법: 딥러닝 개발 환경 설정
Jupyter Notebook의 설치 및 사용법을 상세히 설명하고, 딥러닝 개발 환경 설정 방법을 안내합니다.
Deep Learning
5-4. 전이 학습 (Transfer Learning): 사전 학습된 모델 활용
전이 학습의 개념과 장점을 설명하고, ImageNet 데이터셋으로 사전 학습된 모델을 활용하는 방법을 소개합니다.
Deep Learning
3-6. 최적화 알고리즘: Gradient Descent, Adam, SGD 비교 분석
다양한 최적화 알고리즘(Gradient Descent, Adam, SGD)의 원리와 장단점을 비교 분석하고, 학습 속도 및 성능 향상 전략을 제시합니다.
Deep Learning
3-2. 활성화 함수: Sigmoid, ReLU, TanH 비교 분석
대표적인 활성화 함수(Sigmoid, ReLU, TanH)의 특징과 장단점을 비교 분석하고, 선택 기준을 제시합니다.