딥러닝 자연어처리 LSTM , GRU 개념을 13분안에 정리해드립니다ㅣ서울대 AI 박사과정

[@mcodeM]

💥OPEN💥 딥러닝 포트폴리오 스터디 5기 모집합니다 📌 모집일정 : 01.03 ~ 01.15 📌 시작일정 : 01.16이후 ~ (팀별로 일정이 다르게 진행되니, 각 팀별 실라버스 확인 필수) 📌 진행일정 : 총 12주 12시간 과정 (1.5시간씩 수업 8회) - 수업 : 1팀당 5~10명입니다. 📌 비 용 : 1개월 29.3만원 (총 3개월이므로, Total 88만원) / 2회 분할납부 가능 📌 수업방식 : 온라인 줌 📌 수업결과 : 딥러닝 포트폴리오 생성 + 수료증 발급 + 대학원 진학시 추가 케어 할인 + 이직시 무료 헤드헌팅 서비스 제공 + 메타코드M 오프라인 모임 무료참가 📌 신청 링크 : docs.google.com/forms/d/1c9rgv2WpcIuiNgdNj3-77U-L0NHsBabEERPWXM1QUCM/edit 📌 프로젝트결과물 예시들 github.com/bkdinghun/deep_learning_creditcard/blob/main/Deep%20learning%20project.ipynb youngjaeoh.github.io/Pix2Pix_Colorization/ github.com/gkswns0531/Credit_Card_Fraud_Detection/blob/main/Fraud_Detecting.ipynb [📊 A주제 : credit card fraud detecting system (신용카드 이상거래 감지 프로그램)] 📌부제 : 신용카드 이상거래 탐지를 위한 방법들, 회귀분석에서 딥러닝까지 📌사용 데이터 : credit card fraud transaction dataset (Kaggle) / MNIST dataset 📌실습 환경 : Google Colab notebooks / Jupyter Notebook 📌학습 언어 : Python3 📌학습 내용 : 금융권에서 AI가 사용되는 가장 대표적인 사례로 이상 거래를 감지하는 Fraud Detect System이 존재합니다. 이 실습을 통해 신용카드 거래에서 이상거래를 감지하는 시스템을 만듭니다. 이를 위해서 전통적인 방법부터 시작해서 최신의 딥러닝 계열 방법을 공부합니다. 위 과정을 통해서 금융권 데이터의 특징과 머신러닝 기법을 실제 데이터에 적용하는 방법에 대해서 배우게 됩니다. 또한 산업계에서 많이 사용되고 있는 Tensorflow를 통해서 이 모든 과정을 구현하게 됩니다. 📌일정 : 총12주, 12시간 과정 (1.5시간씩 수업 8회) / 첫 수업 1월 16일, 저녁 8시 / 세부 일정 실라버스 참고 📌필요 역량 : 성실함, 기초적인 파이썬 코딩 능력 📌수강 추천대상 : 1. 기초적인 회귀분석부터 딥러닝까지 전체적인 흐름을 배우고 싶으신 분 2. 금융권 데이터에 관심이 있으신 분 3. Tensorflow를 배워보고 싶으신 분 📌수강 비추천대상 : 1. 딥러닝이 아닌 머신러닝에 대해서 배우고 싶으신 분 (SVM, RandomForest 등) 2. 이미 회귀분석이나 딥러닝에 대해서 충분히 체계적으로 알고계신 분 3. 파이썬을 전혀 다루지 못하시는 분 🔖Syllabus www.notion.so/metacodekr/8328ce4ff9fe460e8e8895985aa638fd?v=0ae61b3ad9084e10b26bdff8510c08aa [📊 B주제 : 한장의 이미지로 딥러닝 학습이 가능하다고? (딥러닝을 활용한 이미지 화질 개선 초급)] 📌 부제 : 서울대 대학원 박사과정이 알려주는 deep learning 기반 image super-resolution과 image internal-learning 📌사용 데이터 : 한장의 이미지로부터 데이터 추출 📌실습 환경 : Google Colab notebooks 📌학습 언어 : Python3, Pytorch 📌학습 내용 : 딥러닝을 활용한 이미지 프로세싱의 기초를 배우고, 간단한 cnn모델을 활용해서 한장의 이미지만으로 네트워크 학습하는 방법 internal image learning 에 대해 배울 예정 📌일정 : 총12주, 12시간 과정 (1.5시간씩 수업 8회) / 첫 수업 1월 16일, 저녁 8시30분 / 세부 일정 실라버스 참고 📌필요 역량 : 꾸준히 과제를 해올 수 있는 성실함 📌수강 추천대상 : 1. 딥러닝을 활용한 이미지 프로세스의 기초를 배우고 싶으신 분 2. 적은 데이터를 활용해서 딥러닝을 학습하는 방법을 배우고 싶으신 분 📌수강 비추천대상 : 1. ML/DL에 대해 충분한 지식이 있으신 분 2. Image processing/ segmentation에 대해 충분한 지식이 있으신 분 🔖Syllabus hexagonal-snapper-fab.notion.site/5ddbdacfd9394f30ab3d3a9215cbc0cd [📊 C주제 : GAN을 활용하여 흑백 세상에 컬러를 입히다] 📌부제 : 데이터 전처리부터 시작해서 GAN 모델 설계 및 학습까지 모든 과정을 직접 개발하자 📌사용 데이터 : MS COCO dataset + alpha 📌실습 환경 : Google Colab notebooks / Jupyter Notebook 📌학습 언어 : Python3 📌학습 내용 : 인공지능을 공부해본 사람이라면 한번쯤 들어봤을 GAN, 하지만 실제로 개발해본 사람은 손에 꼽을 정도로 적습니다. 인공지능의 꽃인 GAN을 활용하여 흑백 이미지를 컬러 이미지로 변환하는 모델을 직접 개발하면서 GAN 모델의 한계와, 특징, 그리고 무궁무진한 잠재력을 직접 확인해보고자 합니다. 논문을 읽다 보면 정말 끔찍하게 생긴 수식들이 자주 등장하기 마련입니다. 보통 이 시점에서 많은 사람들이 포기하지만, 실제 코드 구현과 핵심 아이디어를 살펴보면 민망할 정도로 쉬운 경우가 많습니다. 이 수업에서는 논문에 기반한 pytorch 코딩과 더불어 인공지능 대학원 혹은 이직을 준비하는 분들께 도움이 될 수 있는 지식 및 팁들을 공유해보려 합니다. 📌일정 : 총12주, 12시간 과정 (1.5시간씩 수업 8회) / 첫 수업 1월 19일, 저녁 7시 / 세부 일정 실라버스 참고 📌필요 역량 : 기초적인 파이썬 코딩 능력, (정말)기초적인 인공지능 관련 지식 📌수강 추천대상 : 1. 딥러닝 모델을 처음부터 끝까지(데이터 전처리부터 학습까지) 코딩해보고 싶은 분. 2. Pytorch 라이브러리의 도큐멘테이션에 들어가서 읽는건 너무 어려워서 한줄한줄 코드를 설명받고 싶은 분. 3. 인공지능에 대해서 공부는 하고 싶은데, 구체적으로 어떻게 해야 할지 궁금하신 분. 4. 인공지능 관련 포트폴리오를 쌓고 싶은데 어떻게 쌓아야 할지 궁금하신 분. 3. 인공지능 대학원 혹은 이직을 준비중인데, 관련 지식이나 업계 동향에 대해서 궁금하신 분. 📌수강 비추천대상 : 1. 파이썬 자체를 다뤄보지 않으신 분. 2. 본 수업은 딥러닝을 기초부터 다루기에 딥러닝 모델 구현이 어렵지 않으신 분. 🔖Syllabus www.notion.so/youngjaeoh/GAN-Colorization-d55784843c024898be99c74885a8197f [📊 D주제 : automatic cartoon text extraction using deep learning and text translation (만화속 글씨를 자동으로 추출하여 번역해 다시 만화 생성하기)] 📌 부제 : 카이스트 대학원 박사과정이 알려주는 deep learning 기반 image segmentation 공부 📌사용 데이터 : Comic book dataset (e.g., garfield dataset) 📌실습 환경 : Google Colab notebooks 📌학습 언어 : Python3 📌학습 내용 : 딥러닝을 활용한 이미지 프로세싱의 기초를 배우고, 간단한 cnn모델과 autoencoder 모델을 학습하며 최종적으로 만화속 글씨를 자동으로 추출하는 segmentation network를 디자인하고, 추출한 글씨를 번역해 다시 번역된 만화를 생성하는 알고리즘을 개발합니다. 📌일정 : 총12주, 12시간 과정 (1.5시간씩 수업 8회) / 첫 수업 1월 17일, 저녁 8시 / 세부 일정 실라버스 참고 📌필요 역량 : 문제해결 의지(어려운 과제 혹은 새로운 개념을 마주하더라도 겁먹지 않고 해결하려는 의지) 및 인내심 📌수강 추천대상 : 1. 딥러닝을 활용한 이미지 프로세스의 기초를 배우고 싶으신 분 2. 딥러닝을 활용한 이미지 segmentation 기법을 배우고 싶으분 📌수강 비추천대상 : 1. ML/DL에 대해 충분한 지식이 있으신 분 2. Image processing/ segmentation에 대해 충분한 지식이 있으신 분 🔖Syllabus joannahong.notion.site/Deep-learning-project-schedule-2-374d231918c547aaa80bc865bdd42ef3 [📊 E주제 : 마스크 착용 자동감지 기술 및 프로그램 개발] 📌 부제 : 객체 감지(Object Detection)를 위한 CNN 백본 설계와 Mask-RCNN 학습 📌사용 데이터 : Face Mask Detection (Kaggle) 📌실습 환경 : Google Colab notebooks / Jupyter Notebook 📌학습 언어 : Python3 📌학습 내용 : 질병 전파의 예방을 위해 마스크의 착용이 중요합니다. 마스크 착용 의무화는 해제되는 추세임에도 감염 취약 시설에서의 마스크 착용 감지는 그 중요성이 커졌습니다. 우리는 딥러닝을 활용하여 이 문제를 해결해보고자 합니다. 딥러닝으로 마스크 자동감지 기술을 개발하고, 사회 및 산업에 도움이 될 수 있는 툴까지 기획, 개발해 봅니다. 📌일정 : 총12주, 12시간 과정 (1.5시간씩 수업 8회) / 1월 19일 📌필요 역량 : 80줄 이상의 python코드를 직접 작성할 수 있으신 분 📌수강 추천대상 : 1. 이미지 안의 사물을 찾아내는 Object Detection 기술을 이해하고 습득 하고 싶으신 분 2. 이미지 데이터를 이해하고 잘 다뤄보고 싶으신 분 3. Pytorch를 배워보고 싶으신 분 📌수강 비추천대상 : 1. Mask-RCNN 모델을 직접 설계/학습 하실 수 있는 분 2. 딥러닝 코드들을 이해하고 필요에 따라 자유자재로 변형 하실 수 있는 분 3. 파이썬을 전혀 다루지 못하시는 분 🔖Syllabus quickest-fireman-673.notion.site/c8564a4cb67944e7a94d2b31309139e8

[@peteryou741]

참 훌륭한 강의로 책에서는 도저히 이해안되는게 이제야 이해됩니다. 선생님의 지식나눔 진심 감사합니다.

[@mcodeM]

감사합니다! 풀버전 강의와 자료는 아래 링크통해서 다운 가능하세요~ metacodes.co.kr/edu/read2.nx?M2_IDX=30656&page=1&sc_is_discount=&sc_is_new=&EP_IDX=8387&EM_IDX=8213

[@aidenkim-t4v]

많은 도움이 됐습니다. 감사합니다

[@이동우-n8q]

책으로만 공부할 때는 어려웠는데, 강의를 보니 이해가 쉬워졌습니다. 감사합니다!

[@mcodeM]

감사합니다.^^

[@hyeryeonkim9697]

좋은 강의 감사합니다

[@mcodeM]

감사합니다^^!

[@날개달린_양]

감사합니다

[@세현육]

강의 너무 잘들었습니다.. 그런데 생략이 너무 많이 된것같아서 아쉽습니다. lstm에서 가장 기본이 되는 원리인 Constant Error Carousel 의 구조에 대해서 한번 찝어주시면서 vanishing problem을 해결하는 과정을 조금 더 자세하게 설명해주셨으면 하는 아쉬움이 남네요.. 그래도 강의 잘 들었습니다.

[@hometownboy]

5:20

[@kotube1]

다음 강의도 너무 궁금해요 ㅠ 아무리 찾아도 안보이는데 링크 있을까요??

[@mcodeM]

같은 선생님의 다른 자연어처리 강의에 함께 들어가있습니다.!

[@Yacktalkun]

활성화 함수는 소프트 맥스를 왜 그 뒤에 하이퍼 볼릭 탄젠트를 또 쓰는지 왜 그리고 비선형 변환을 두번하는지 궁금하오 단순히 익스플로딩과 베니싱을 잡기위함이오? 소프트 맥스는 수많은 각 선형변환된 노드값에 0과1로 컨피던스를 주기 위함일테고 하이퍼 볼릭 탄젠트가 베니싱과 익스플로딩을 막는데 큰 기여를 하는지..?