CS 231n 정리 시작!

Stanford의 CS231n 강의를 들으면서 세미나 준비, 발표했던 내용을 정리해 기록으로 남길 예정이다. 

해당 카테고리의 글은 남을 위한 정리보다는 내가 내용을 추후 참고하기 위한 목적이 더 크다. 

보실 분들은 참고해주세요!

 

내용의 오류나 오타 등의 지적이나 다양한 피드백은 언제나 환영입니다. 

---

✅ 강의 소개

Computer Vision에서 아주 유명한 스탠포드의 강의인 cs231n이다. 컴퓨터비전을 공부하는 사람 중에 안 본 사람이 없을 정도로 유명하다고 불리고 나도 인공지능 공부를 하기 전부터 들어봤던 강의이니.. 대충 맞는 것 같다. 

해당 강의는 딥러닝의 구조를 자세하게 살펴보고 그 중에서도 이미지 분류 모델을 중점적으로 가르친다. 강의를 통해 이미지 인식 문제 설정 방법, 모델 알고리즘, 모델 학습 등을 실습과제와 최종 프로젝트를 통해 가르칠 예정이다. 

 

해당 카테고리에서는 강의의 실습 과제나 프로젝트에 대해서는 정리하지 않습니다.

또한, 해당 카테고리는 17년도 cs231n을 보고 정리한 내용입니다. 

 

✅ 강의 안내

공식 강의 링크 : http://cs231n.stanford.edu/schedule.html

Stanford University CS231n: Convolutional Neural Networks for Visual Recognition

 

2017년 강의영상 링크 : https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

Lecture Collection | Convolutional Neural Networks for Visual Recognition (Spring 2017)

 

✅ 시리즈 정리

Lecture	강의 명	링크
1	Introduction to Convolutional Neural Networks for Visual Recognition	해당 내용은 소개, 간단한 내용이라 따로 정리 X
2	Image Classification
3	Loss Functions and Optimization
4	Introduction to Neural Networks
5	Convolutional Neural Networks
6	Training Neural Networks 1
7	Training Neural Networks 2
8	Deep Learning Software
9	CNN Architectures
10	Recurrent Neural Networks
11	Detection and Segmentation
12	Visualizing and Understanding
13	Generative Models
14	Deep Reinforcement Learning
15	Efficient Methods and Hardware for Deep Learning
16	Adversarial Examples and Adversarial Training