강의 주소: CS231n Lecture 3. Loss Functions and Optimization 자료: 깃허브 강의 자료 1. 도입 및 지난 강의 복습 지난 시간의 이미지 분류 도전 과제와 Linear Classifier를 복습했다. 선형 분류기는 이미지의 픽셀 값을 가중치 행렬 $W$와 곱해 각 클래스에 대한 Score를 산출하며 이는 ...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) C4W4L01 What is Face Recognition 1. Liveness Detection 생체 감지 는 대상이 살아있는 사람인지 아닌지(예: 사진)를 확인하는 기술이다. 이는 Supervised...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) C4W3L01 Object Localization 1. 물체 Localization의 정의 이미지 Classification: 이미지를 보고 “이것은 자동차다”라고 판별하는 작업. Classification w...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) Jiajun Wu, Chengkai Zhang, Tianfan Xue, William T. Freeman, Joshua B. Tenenbaum (2016). Learning a Probabilistic Lat...

강의 주소: CS231n Lecture 2. Image Classification 자료: 깃허브 강의 자료 1. 강의 소개 Python/Numpy 중요성: 모든 과제는 Python과 Numpy를 사용하며 특히 벡터화 연산을 통해 효율적인 코드를 작성하는 것이 머신러닝에서 매우 중요하다. 2. Image Classification 정의: 컴퓨...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) C4W2L01 Why look at case studies? 1. 사례 연구를 하는 이유와 중요성 다른 사람의 코드를 읽으면서 코드 작성법을 익히는 것처럼 효과적인 신경망을 구축하기 위해서는 이미 검증된 신경망 ...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) C4W1L01 Computer Vision 1. 컴퓨터 비전의 발전과 딥러닝의 역할 응용 분야: 딥러닝을 통한 컴퓨터 비전 기술은 자율주행 자동차(보행자 및 차량 회피) 얼굴 인식(잠금 해제) 사진 큐레이션 그리...

Structuring Machine Learning Projects (Course 3 of the Deep Learning Specialization) 머신러닝 모델의 성능은 사람 수준에 근접할 때까지는 빠르게 향상되지만 사람을 뛰어넘은 이후에는 그 속도가 느려진다. 사람 수준을 넘어서면 발전이 느려지는 이유: 한계 근접: 이미지 인식이나 음성...

Structuring Machine Learning Projects (Course 3 of the Deep Learning Specialization) Carrying Out Error Analysis (C3W2L01) 1. 오차 분석의 개념과 필요성 도입 학습 알고리즘이 사람 수준의 성능에 미치지 못할 때, 알고리즘이 실수하는 부분을 직접 확인함...

Structuring Machine Learning Projects (Course 3 of the Deep Learning Specialization) Improving Model Performance (C3W1L01) 1. 성능 개선을 위한 다양한 시도와 예시 고양이 분류 작업에서 정확도 90%를 얻었지만 성능이 충분하지 않은 상황을 가정. 학...