심층 신경망 개선: 하이퍼파라미터 튜닝, 정규화 및 최적화
딥 러닝 전문화 두 번째 과정에서는 딥 러닝 블랙박스를 열어 성과를 이끌어내고 체계적으로 좋은 결과를 만들어내는 과정을 이해하게 됩니다. 최종적으로, 테스트 세트를 훈련 및 개발하고 딥 러닝 애플리케이션 구축을 위한 바이어스/분산을 분석하는 모범 사례를 배우게 됩니다. 초기화, L2 및 드롭아웃 정규화, 하이퍼파라미터 튜닝, 배치 정규화 및 기울기 검사와 같은 표준 신경망 기술을 사용할 수 있어야 합니다. 미니 배치 기울기 하강법, 모멘텀, RMSprop 및 Adam과 같은 다양한 최적화 알고리즘을 구현 및 적용하고 수렴을 확인하고 TensorFlow에서 신경망을 구현합니다. 딥 러닝 전문화는 딥 러닝의 기능, 과제 및 결과를 이해하고 최첨단 AI 기술 개발에 참여할 수 있도록 준비하는 데 도움이 되는 기본 프로그램입니다. 머신 러닝을 업무에 적용하고, 기술 경력 수준을 높이고, AI 세계에서 결정적인 단계를 완료할 수 있는 지식과 기술을 얻을 수 있는 경로를 제공합니다.
Monthly Subscription Starting at AED 99 + VAT
- Level Professional
- Course by DeepLearning.AI
-
Offered by
About
딥 러닝 전문화 두 번째 과정에서는 딥 러닝 블랙박스를 열어 성과를 이끌어내고 체계적으로 좋은 결과를 만들어내는 과정을 이해하게 됩니다. 최종적으로, 테스트 세트를 훈련 및 개발하고 딥 러닝 애플리케이션 구축을 위한 바이어스/분산을 분석하는 모범 사례를 배우게 됩니다. 초기화, L2 및 드롭아웃 정규화, 하이퍼파라미터 튜닝, 배치 정규화 및 기울기 검사와 같은 표준 신경망 기술을 사용할 수 있어야 합니다. 미니 배치 기울기 하강법, 모멘텀, RMSprop 및 Adam과 같은 다양한 최적화 알고리즘을 구현 및 적용하고 수렴을 확인하고 TensorFlow에서 신경망을 구현합니다. 딥 러닝 전문화는 딥 러닝의 기능, 과제 및 결과를 이해하고 최첨단 AI 기술 개발에 참여할 수 있도록 준비하는 데 도움이 되는 기본 프로그램입니다. 머신 러닝을 업무에 적용하고, 기술 경력 수준을 높이고, AI 세계에서 결정적인 단계를 완료할 수 있는 지식과 기술을 얻을 수 있는 경로를 제공합니다.Modules
머신 러닝 애플리케이션 설정
-
3
Videos
3
Videos
- 훈련/개발/테스트 세트
- 바이어스/분산
- 머신 러닝을 위한 기본 레시피
Discourse에서 멘토 및 동료 학습자와 만나고 교류하십시오!
-
1
ExternalTool
1
External Tool
- 질문이 있으십니까? Discourse에 참여하십시오!
신경망 정규화
-
5
Videos
-
2
Readings
5
Videos
- 정규화
- 정규화를 사용하면 과적합을 줄일 수 있는 이유는 무엇입니까?
- 드롭아웃 정규화
- 드롭아웃의 이해
- 기타 정규화 방법
2
Readings
- 정규화 동영상에 대한 설명
- 드롭아웃의 이해 동영상에 대한 설명
최적화 문제 설정
-
6
Videos
6
Videos
- 입력 정규화
- 기울기 소실/폭발
- 심층 네트워크에 대한 가중치 초기화
- 기울기의 수치적 근사
- 기울기 검사
- 기울기 검사 구현 시 참고 사항
강의 노트(선택 사항)
-
1
ExternalTool
1
External Tool
- 강의 노트 W1
Quiz
-
1
Assignment
1
Assignment
- 딥 러닝의 실용적인 측면
프로그래밍 과제
-
2
Readings
-
3
Programming
- 초기화
- 정규화
- 기울기 검사
2
Readings
- 노트북에 다운로드하는 방법
- 작업 공간새로 고치기
히어로즈 오브 딥 러닝(선택 사항)
-
1
Videos
1
Videos
- Yoshua Bengio 인터뷰
Optimization Algorithms
-
10
Videos
-
2
Readings
10
Videos
- 미니 배치 기울기 하강
- 미니 배치 기울기 하강 이해하기
- 지수 가중 평균
- 지수 가중 평균의 이해
- 지수 가중 평균의 바이어스 수정
- 모멘텀이 있는 기울기 하강
- RMSprop
- Adam 최적화 알고리즘
- 학습률 감소
- 로컬 옵티마의 문제
2
Readings
- Adam 최적화 동영상에 대한 설명
- 학습률 감소 동영상에 대한 설명
Lecture Notes (Optional)
-
1
ExternalTool
1
External Tool
- 강의 노트(선택 사항)
퀴즈
-
1
Assignment
1
Assignment
- 최적화 알고리즘
프로그래밍 과제
-
1
Programming
- 최적화 방법
히어로즈 오브 딥 러닝(선택 사항)
-
1
Videos
1
Videos
- Yuanqing Lin 인터뷰
하이퍼파라미터 튜닝
-
3
Videos
3
Videos
- 튜닝 프로세스
- 적절한 척도를 사용하여 하이퍼파라미터 선택
- 하이퍼파라미터 튜닝 실제: Pandas 대 Caviar
배치 정규화
-
4
Videos
-
1
Readings
4
Videos
- 네트워크에서 활성화 정규화
- 신경망에 Batch Norm 맞추기
- Batch Norm이 작동하는 이유는 무엇입니까?
- 테스트 시간의 Batch Norm
1
Readings
- 네트워크에서 곧 있을 정규화 활성화에 대한 설명 동영상
다중 클래스 분류
-
2
Videos
-
1
Readings
2
Videos
- Softmax 회귀
- Softmax 분류기 훈련
1
Readings
- 다가오는 Softmax 비디오에 대한 설명
프로그래밍 프레임워크 소개
-
2
Videos
-
1
Readings
2
Videos
- 딥 러닝 프레임워크
- TensorFlow
1
Readings
- (선택 사항) Gradient Tape 등에 대해 알아보기
강의 노트(선택 사항)
-
1
ExternalTool
1
External Tool
- 강의 노트 W3
퀴즈
-
1
Assignment
1
Assignment
- 하이퍼파라미터 튜닝, 배치 정규화, 프로그래밍 프레임워크
프로그래밍 과제
-
1
Programming
- TensorFlow 소개
참조 및 감사의 말
-
2
Readings
2
Readings
- 참고문헌
- 감사의 말
Auto Summary
This professional-level course on Coursera delves into enhancing deep neural networks through hyperparameter tuning, regularization, and optimization techniques. Aimed at data science and AI enthusiasts, it covers practical skills like L2 and dropout regularization, batch normalization, and various optimization algorithms such as Adam. Perfect for those looking to advance their machine learning careers, the course offers flexible subscription options, including Starter and Professional tiers. Ideal for professionals aiming to master deep learning and apply AI effectively in their work.
Andrew Ng