📣 Disclaimer

강좌 소개를 읽어보시고 필요 시 딥러닝(Deep Learning)을 위한 파이썬 Level 1 을 먼저 듣고 오시는 것을 추천드립니다.

📣 공지사항

본 강좌를 수강한 수강생들은 Private Slack 채널에 참여가 가능합니다.

• 슬랙(Slack) 커뮤니티 가입 신청 방법은 3번째 강의인 "Exercise 4~6"의 강의노트에서 확인이 가능하십니다.
• 질문&답변은 슬랙 채널에 남겨주시면 보다 빠르게 확인해드리고 있습니다.

오리엔테이션 영상

[L4DL] Project Currimulum 📑

[전체화면 링크]

From Level 1 ➡ Level 2

[딥러닝(Deep Learning)을 위한 파이썬 Level 1] 강의에서 파이썬 문법을 조금 더 확장하며, 딥러닝에서 사용되는 조금 더 어려운 아이템들을 직접 구현해봅니다. 또한 다음과 같이 6개의 mini-project들을 통해 강의를 듣는 것이 아닌 구현능력을 크게 키웁니다.

6개의 Mini-projects

1. Top-5 Accuracy
2. Mean Subtraction & Normalization
3. Edge Detection
4. Convolutional Layer
5. K-Nearest Neighbor Classification
6. K-means Clustering

Mini-project는 단순히 프로그래밍 강의를 듣는 것이 아닌 구현하는 능력을 배양하기 위해 문제 상황을 들은 뒤, 스스로 해결해보는 시간을 먼저 제공합니다. 이후 설명을 들은 뒤, 다시 한 번 복습하는 시간을 제공합니다.

프로그래밍 능력은 자신이 생각하고 있는 내용을 얼마나 프로그램으로 잘 만드는지에 따라 결정됩니다. 본 프로젝트들을 통해 앞으로 딥러닝을 배우는데 필요한 구현능력을 연습해보세요.

Advanced Equations

레벨2 과정에서는 레벨1보다 조금 더 복잡한 수식을 배웁니다. 그리고 이 수식들은 딥러닝에서 활발히 사용되는 수식들입니다.

본 강의를 통해 여러분들은 다음과 같은 능력들을 크게 향상시킬 수 있으며

• 수식을 이해하는 능력
• 수식을 프로그램으로 구현하는 능력

다음과 같은 지식들을 얻을 수 있습니다.

• 앞으로 딥러닝에서 배우게 되는 아이템들의 동작원리
• Vectorization의 필요성

Assembling Building Blocks

어떠한 프로그램도 잘게 나누어보면, 그 작은 module들은 기본적인 동작으로 이루어져있습니다.

Mini-project들에서는 우리가 여태 배웠던 작은 module들을 조합하여 K-nearest neighbor classification, K-means clustering들과 같은 머신러닝 알고리즘과 convolutional layer, edge detection와 같은 딥러닝 관련 주제들을 직접 구현해봅니다.

Lecture Materials

• 본 강의에서 다루는 모든 소스코드와 간단한 설명을 Jupyter Notebook 파일로 제공합니다.

• L4DL 전체 커리큘럼의 관리를 하나의 Slack 워크스페이스에서 관리합니다.