ML
1.ML lec 01
ML lec 01 - 기본적인 Machine Learning 의 용어와 개념 설명
2.ML lec 02
ML lec 02 - Linear Regression의 Hypothesis 와 cost 설명
3.ML lec 03
ML lec 03 - Linear Regression의 cost 최소화 알고리즘의 원리 설명
4.ML lec 04
ML lec 04 - multi-variable linear regression (*new)
5.ML lec 05-1
ML lec 5-1: Logistic Classification의 가설 함수 정의
6.ML lec 05-2
ML lec 5-2 Logistic Regression의 cost 함수 설명
7.ML lec 06-1
ML lec 6-1 - Softmax Regression: 기본 개념 소개
8.ML lec 06-2
ML lec 6-2: Softmax classifier 의 cost함수
9.ML lec 07-1
lec 07-1: 학습 rate, Overfitting, 그리고 일반화 (Regularization)
10.ML lec 07-2
lec 07-2: Training/Testing 데이타 셋
11.ML lec 08
lec 08-1: 딥러닝의 기본 개념: 시작과 XOR 문제
12.ML lec 09-1
lec9-1: XOR 문제 딥러닝으로 풀기
13.ML lec 09-2
lec9-2: 딥넷트웍 학습 시키기 (backpropagation)
14.ML lec 10-1
lec10-1: Sigmoid 보다 ReLU가 더 좋아
15.ML lec 10-2
lec10-2: Weight 초기화 잘해보자
16.ML lec 10-3
lec10-3: Dropout 과 앙상블
17.ML lec 10-4
lec10-4: 레고처럼 넷트웍 모듈을 마음껏 쌓아 보자
18.ML lec 11-1
lec11-1 ConvNet의 Conv 레이어 만들기
19.ML lec 11-2
lec11-2: ConvNet Max pooling 과 Full Network
20.ML lec 11-3
lec11-3 ConvNet의 활용예
21.ML lec 12
lec12: NN의 꽃 RNN 이야기