Repo for submitting Deep Learning with Tensorflow assignment.
- Official Github: https://github.com/deeplearningzerotoall/TensorFlow
- Official YouTube: http://bit.ly/2HHrybT
- Official Slide: http://bit.ly/2LQMKvk
| 과제 | 설명 | 기한 |
|---|---|---|
| Part1. Basic Machine Learning | YouTube에서 Lec07까지 수강한 뒤 GitHub의 자료 [Lab02-1, Lab03-1, Lab04-1, Lab05-2, Lab06-1, Lab07-6]을 실습한 후 현재 레포지토리의 Lab02~Lab07 각각의 디렉터리에 파일명 "Lab00_이름"으로 업로드하세요! | 21.10.12 |
| Part2. Basic Deep Learning | YouTube에서 Lab10까지 수강한 뒤 GitHub의 자료 [Lab09-1, Lab09-2, Lab09-4, Lab10-1-2, Lab10-2-2, Lab10-4]을 실습한 후 현재 레포지토리의 Lab09~Lab10 각각의 디렉터리에 파일명 "Lab00_이름"으로 업로드하세요! | 21.11.02 |
| Part3. Convolutional Neural Network | YouTube에서 Lab11까지 수강한 뒤 GitHub의 자료 [Lab11-0, Lab11-1, Lab11-2, Lab11-3, Lab11-4, Lab11-5]을 실습한 후 현재 레포지토리의 Lab11 디렉터리에 파일명 "Lab00_이름"으로 업로드하세요! | 21.11.16 |
| PART4. Recurrent Neural Network | YouTube에서 Lab12까지 수강한 뒤 GitHub의 자료 [Lab12-0, Lab12-1, Lab12-2, Lab12-3, Lab12-6, Lab12-7]을 실습한 후 현재 레포지토리의 Lab12 디렉터리에 파일명 "Lab00_이름"으로 업로드하세요! | 21.12.07 |
Lec 01: 기본적인 Machine Learning 의 용어와 개념 설명
Lec 02: Simple Linear Regression
Lab 02: Simple Linear Regression 를 TensorFlow 로 구현하기
Lec 03: Linear Regression and How to minimize cost
Lab 03: Linear Regression and How to minimize cost 를 TensorFlow 로 구현하기
Lec 04: Multi-variable Linear Regression
Lab 04: Multi-variable Linear Regression 를 TensorFlow 로 구현하기
Lec 05-1: Logistic Regression/Classification 의 소개
Lec 05-2: Logistic Regression/Classification 의 cost 함수, 최소화
Lab 05-3: Logistic Regression/Classification 를 TensorFlow 로 구현하기
Lec 06-1: Softmax Regression: 기본 개념소개
Lec 06-2: Softmax Classifier의 cost함수
Lab 06-1: Softmax classifier 를 TensorFlow 로 구현하기
Lab 06-2: Fancy Softmax classifier 를 TensorFlow 로 구현하기
Lab 07-1: Application & Tips: 학습률(Learning Rate)과 데이터 전처리(Data Preprocessing)
Lab 07-2-1: Application & Tips: 오버피팅(Overfitting) & Solutions
Lab 07-2-2: Application & Tips: 학습률, 전처리, 오버피팅을 TensorFlow 로 실습
Lab 07-3-1: Application & Tips: Data & Learning
Lab 07-3-2: Application & Tips: 다양한 Dataset 으로 실습
Lec 08-1: 딥러닝의 기본 개념: 시작과 XOR 문제
Lec 08-2: 딥러닝의 기본 개념2: Back-propagation 과 2006/2007 ‘딥’의 출현
Lec 09-1: XOR 문제 딥러닝으로 풀기
Lec 09-2: 딥넷트웍 학습 시키기 (backpropagation)
Lab 09-1: Neural Net for XOR
Lab 09-2: Tensorboard (Neural Net for XOR)
Lab 10-1: Sigmoid 보다 ReLU가 더 좋아
Lab 10-2: Weight 초기화 잘해보자d
Lab 10-3: Dropout
Lab 10-4: Batch Normalization
Lec 11-1: ConvNet의 Conv 레이어 만들기
Lec 11-2: ConvNet Max pooling 과 Full Network
Lec 11-3: ConvNet의 활용예
Lab 11-0-1: CNN Basic: Convolution
Lab 11-0-2: CNN Basic: Pooling
Lab 11-2: mnist cnn keras functional eager
Lab 11-1: mnist cnn keras sequential eager
Lab-11-3: mnist cnn keras subclassing eager
Lab-11-4: mnist cnn keras ensemble eager
Lab-11-5: mnist cnn best keras eager
Lec 12: NN의 꽃 RNN 이야기
Lab 12-0: rnn basics
Lab 12-1: many to one (word sentiment classification)
Lab 12-2: many to one stacked (sentence classification, stacked)
Lab 12-3: many to many (simple pos-tagger training)
Lab 12-5: seq to seq (simple neural machine translation)
Lab 12-4: many to many bidirectional (simpled pos-tagger training, bidirectional)
Lab 12-6: seq to seq with attention (simple neural machine translation, attention)