출처 : http://it.plusblog.co.kr/221237740235
구글이 공개한 텐서플로우(Tensorflow)를 이용하여 머신러닝을 공부하게 되었다. 머신러닝을 공부하면서 알게된 내용들과 예제 코드 등을 블로그에 정리해보았다.
본 스터디는 홍콩과기대의 김성훈 교수님이 유튜브에서 진행하는 '모두를 위한 딥러닝 강좌 시즌 1'을 보면서 실습, 부가적인 내용들을 찾아서 채워넣었다.
영어가 익숙한 사람들은 코세라(Coursera)에서 무료로 들을 수 있는 MOOC(Massive Open Online Course)도 보면 좋다.
스터디를 진행하면서 작성한 코드들은 깃허브(GitHub)에 업로드하고 있다.
목차
Introduction
머신러닝 알고리즘
머신 러닝 알고리즘 - Linear Regression (선형 회귀), Hypothesis, Cost Function, Gradient Descent
머신 러닝 알고리즘 - Logistic Regression(Classification), 로지스틱 분류, 로지스틱 회귀
머신 러닝 알고리즘 - Multi-variable Linear Regression (다변량 선형 회귀) 그리고 행렬(Matrix) 표현
머신 러닝 알고리즘 - Multinomial Logistic Regression(Multinomial Classification), Softmax Classification
머신 러닝 알고리즘 - Learning Rate(학습률)
머신 러닝 알고리즘 - Data preprocessing(데이터 전처리)
머신 러닝 알고리즘 - Overfitting과 Regularization(일반화)
머신 러닝 알고리즘 - Training/Testing 데이타 셋(학습 데이터와 테스트 데이터)
머신 러닝 알고리즘 - 초기 Deep Learning(딥러닝)과 여러가지 문제들
머신 러닝 알고리즘 - 딥러닝(Deep Learning)의 출현, Back propagation
머신 러닝 알고리즘 - 딥러닝(Deep Learning)으로 푸는 XOR 문제
머신 러닝 알고리즘 - 딥러닝(Deep Learning)과 Backpropagation
머신 러닝 알고리즘 - (스터디는 계속됨 ...)