Prologue
💡 운이 좋아 혁펜하임 AI DEEP DIVE 체험단에 선정되어 강의 후기글을 남기게 되었습니다. 학부때나 대학원 면접 준비등을 하면서 수학, 인공지능 관련 정보들을 혁펜하임님의 유튜브 강의를 좀 참고하였었는데, 개념들을 잘 설명해주시는 부분이 인상이 깊었습니다. 학부 졸업후 개념복습 겸 신청했는데, 선정이 되서 많이 기쁩니다.
AI DEEP DIVE 강의는 전반적인 인공지능 기초강의로 앞으로 수강 후기를 작성하게 되었습니다 😀
혁펜하임의 AI DEEP DIVE(Online) 강의
먼저 강의목차와 간략한 내용은 다음과 같습니다 😀
- 딥러닝을 위한 필수 기초 수학 (약5시간)
- 함수,로그,미분 ~ 확률분포, 최대 우도추정(MLE), 최대 사우확률(MAP)
- 왜 현재 AI가 가장 핫할까? (약1시간)
- AI,ML,DL의 차이, 비지도 학습, 자기지도, 강화 학습
- 왜 우리는 인공신경망을 공부해야하는가? (약2시간)
- weight의 이해, 경사 하강법, 학습,검증,테스트의 차이
- 딥러닝, 그것이 알고싶다. (약1시간)
- activation, backpropagation 이해
- 이진 분류와 다중류 (약2시간)
- sigmoid 이진분류, MLE와 인공신경망, softmax
- 인공신경망, 그한계는 어디까지인가? (약50분)
- universal approximation theorem
- 깊은 인공신경망의 고질적 문제와 해결방안 (약2시간반)
- ReLU,batch normalization, regularization
- 왜 CNN이 이미지 데이터에 많이 쓰일까? (약 2시간)
- CNN, VGGnet
- 왜 RNN보다 트랜스포머가 더 좋다는 걸까?(약1시간)
- RNN 역전파, attention
전판 적으로 학부수업때 들었던 미적분학, 확률과 통계 등 기초 수학내용중에서 인공지능에 필요한 내용을 주로 모아 설명해주셨던것 같습니다. ^_^
💡 강의 내용이 부분부분 나눠져 있어 아는 내용은 넘어가고, 흥미로운 부분 먼저 봐도 무방합니다. 기초 수학의 경우, 뒷내용을 보시다가 모르면 넘어와도 좋은데 전일단 그냥 봤었습니다!
기초 수학 및 AI
어렵지는 않지만 벡터 와 행렬 부분은 인공지능의 기초라고 할 수 있습니다. 선대 부분 말고도 미분, 벡터미분, 확통관련 내용들을 증명을 통해서 잘 설명해주십니다.
몇몇 내용들을 아래와 같이 필기를 통해서 같이 들으면 좋을 것 같습니다.
인상깊었던 내용은 최대 우도 추정, 최대 사후 확률, 정보이론 기초 부분이었는데, 중요한 부분이라 생각합니다.
위는 정리 화면이지만, 따로 강의자료를 제공합니다. 위의 수식들을 그냥 보면 잘이해가 가지 않지만, 수업에서는 하나하나 계산해가면서 설명해주십니다. :) (그래서 기초강의가 가장 길었던것 같네요)
기초수학의 마지막으로 Entropy, Cross-Entropy등의 개념에대해서 다루는데, 이부분은 인공지능 신경망에서 loss function에서 자주보셨을 것입니다. 저도 처음엔 제대로 이해하지 못하였는데 해당내용을 보면 좋을것 같습니다.
굳
참고
본 게시글은 패스트캠퍼스 [ 혁펜하임의 AI DEEP DIVE] 체험단 활동을 위해 작성되었습니다.
강의 링크 : https://bit.ly/3GV73FN
#패스트캠퍼스혁펜하임 #혁펜하임 #혁펜하임AI #AIDEEPDIVE #패스트캠퍼스 #AI강의 #혁펜하임강의 #혁펜하임강의후기
