This goal of this class is to study basic theory and practice of deep learning, a branch of machine learning concerned with modern neural networks, which is behind many recent advances in AI. We will cover a range of topics from basic neural network models, training techniques, and some of representative applications, focusing on standard models of deep learning.
이 과목의 목표는 최근 인공지능 발전을 이끌고 있는 현대적 신경망과 관련한 기계학습 분야인 딥러닝에 대한 기초적인 이론과 실제를 공부하는 것이다. 다루는 내용은 표준적인 신경망 모델들, 학습기법들, 그리고 대표적인 응용 연구를 포함할 것이다. 이 과목은 미적분, 선형대수, 확률 통계, 그리고 파이썬 프로그래밍에 대한 기초 배경을 필요로 하며, 중요 평가 요소로써 기말 프로젝트 과제가 주어질 것이다.

Prerequisites are mathematical backgrounds in calculus, linear algebra, and probability & statistics, as well as programming in Python. Among them, programming skill is most crucial. There will be assignments and a final project.

Dive into Deep Learning, Aston Zhang et al., online preview

1강: Logistics
2강 Introduction
3강: Linear algebra
4강: Probability and information theory
5강: Numerical computation
6강: Machine learning basics
7강: Deep feedforward networks
8강: Regularization
9강: Optimization
10강: Convolutional networks
11강: Recurrent networks
12강: Graph networks
13강: Attention and Memory
14강: Linear Factor Models
15강: Autoencoder
16강: Representation Learning
17강: Structured Probabilistic Models
18강: Approximate Inference
19강: Deep Generative Models

- Lecture, assignment, term project
- 이론강의, 개인 숙제 및 프로젝트

매주 배우는 주제들에 관련 프로그래밍 과제를 병행하여 실제 프로그래밍을 하면서 생기는 다양한 문제들을 발견하고 이해하도록 하며 프로그래밍 환경에 익숙해질 수 있도록 돕는다.