딥러닝 홀로서기

딥러닝을 왜 배워야하는가?

머신러닝이란?, 딥러닝이란?

Linear Regression, Cost Function, Gradient descent algorithm, Multivariable Linear Regression

Linear Regression 구현하기 (without pytorch, numpy, pandas)

pytorch를 이용한 Linear Regression, MLP 구현하기

Binary / Multi-label Classification 문제를 다룹니다. 추가로 Sigmoid 함수와 Softmax 함수를 다룹니다.

pytorch를 이용한 Multi-label Classification, MLP 구현하기

딥러닝의 간략한 역사와 MLP에 대해 다룹니다.

MLP class 만들기를 다룹니다.

이번 글에서는 주어졌던 Assignment #1에 대한 코드리뷰를 담은 영상을 참고하여 nn.ModuleList에 대해 설명합니다.

이 블로그 글은 딥러닝 코드에서 하이퍼파라미터를 파라미터화하는 방법에 대해 다룹니다. Parametrization을 통해 하이퍼파라미터와 다양한 변수를 한 곳에 모아 관리함으로써, 모델 안에서의 설정을 방지하고 재사용성과 가독성을 높입니다.

이번 글에서는 CPU와 GPU에 대해 병렬 처리 관점에서 간단하게 설명하고 pytorch에서 GPU 연산을 하는 법에 대해 다룹니다.

이 블로그 글은 모델의 용량, 과적합 및 과소적합, 그리고 정규화에 대한 내용을 다룹니다. 또한 MLP의 문제점과 이를 해결하기 위한 Regularization 기법들, 가중치 초기화 및 Batch Normarlization에 대해 소개합니다.

이 블로그는 하이퍼파라미터 튜닝의 기본 개념과 다양한 접근법을 다루며, 모델 성능을 최적화하기 위한 실험 방법들을 설명하는 글이다.

이 블로그글은 대표적인 이미지 분류 데이터셋인 CIFAR-10 데이터셋을 활용해 MLP 신경망을 구축하고 이미지 분류 과정을 설명합니다. 데이터 전처리부터 모델 설계, 학습, 검증, 테스트까지 단계별로 다루며, 효율적 실험을 위한 코드 모듈화 방법도 소개합니다.

이 블로그 글은 학습 과정에서 BatchNorm, Dropout, Xavier 초기화 등 다양한 기법을 적용하고 그 이유와 코드 예시를 통해 설명하며, 실습 코드에 대한 리뷰와 개선 방향도 함께 제시합니다.

이 블로그 글은 SGD와 함께 Momentum, Nesterov Accelerated Gradient (NAG), Adagrad, RMSProp, Adam 등의 원리와 장점을 상세히 설명합니다. 또한, Pytorch에서 각 최적화 알고리즘을 구현하는 방법까지 소개합니다

이 블로그 글은 딥러닝 실험 결과를 JSON으로 효율적으로 저장하고, 시각화로 결과를 직관적으로 분석하는 방법을 다룹니다.

하이퍼파라미터 튜닝 중 Test Accuracy를 사용하면 안 되는 이유와 Adam 최적화 문제 해결법, 성능 향상을 위한 앙상블 전략 등을 간단히 정리합니다.

Convolutional Neural Network(CNN)의 구조와 작동 원리를 이해하기 쉽게 설명합니다. MLP의 한계, CNN의 핵심 개념, Convolution, Pooling, Fully Connected Layer의 역할을 다룹니다.

이 블로그글은 2019년 조재영(Kevin Jo), 김승수(SeungSu Kim)님의 딥러닝 홀로서기 세미나를 수강하고 작성한 글임을 밝힙니다. > > Github 링크 : [실습 코드 링크] (https://github.com/jyj1206/Standalone-DeepLearning/blob/main/Chapter6ImplementingCNNwithPy...

CIFAR-10 데이터셋을 사용하여 CNN 모델 성능을 향상시키기 위한 다양한 접근 방법을 다룹니다. Adam과 RMSprop 옵티마이저 비교, 모델 앙상블(하드/소프트 보팅) 기법을 활용한 성능 개선, 그리고 학습률 스케줄러를 통한 학습률 조정 방법을 소개합니다.

Advanced CNN 아키텍처들인 AlexNet, VGG, GoogleNet, ResNet을 상세히 설명하고, 각 모델의 핵심 아이디어와 개선점을 다룹니다.

CIFAR-100 데이터셋을 활용하여 ResNet 모델을 PyTorch로 구현하는 실습을 다룹니다.