| 강의목차 | 강의제목 | 플레이어 | 수강여부 |
|---|---|---|---|
| 01 | 딥러닝 중급 2차: 오차역전파법의 기초 원리와 계산 그래프 이해 [65:50] | ||
| 02 | 파이썬 기반 연쇄 법칙 구현 및 수치 미분과 역전파 연산 속도 비교 [18:8] | ||
| 03 | 덧셈 및 곱셈 노드의 역전파 수학적 원리 이해와 파이썬 레이어 구현 [59:23] | ||
| 04 | 활성화 함수(ReLU, Sigmoid) 및 아핀(Affine) 변환 레이어 구현 [68:5] | ||
| 05 | 출력층 설계: Softmax 함수와 Cross Entropy Error 레이어 결합 [27:37] | ||
| 06 | 2층 신경망(TwoLayerNet) 구축 및 전체 학습 신경망 모듈 조립 [43:7] | ||
| 07 | 기울기 검증(Gradient Check) 및 역전파 기반 MNIST 데이터셋 학습 [50:40] | ||
| 08 | 매개변수 최적화 기법: SGD, 모멘텀, AdaGrad, Adam 알고리즘 [55:38] | ||
| 09 | 가중치 초기화와 은닉층 활성화 값의 분포 및 학습 상관관계 [51:20] | ||
| 10 | 고급 가중치 초기화(Xavier, He) 및 배치 정규화(Batch Normalization) 적용 [26:38] | ||
| 11 | 과적합(Overfitting) 방지: 가중치 감소(Weight Decay)와 드롭아웃 기법 [47:19] | ||
| 12 | 하이퍼파라미터 튜닝과 교차 검증: 학습률 및 Validation 데이터 기반 실험 [56:24] |
