딥 러닝은 컴퓨터가 음성 인식 및 이미지 분류와 같은 인간과 유사한 작업을 수행하는 데 도움이 될 수 있습니다.

머신 러닝 (인공 지능)의 한 형태인 딥 러닝을 통해 컴퓨터는 여러 계층의 신경망을 사용하여 데이터를 추출하고 변환 할 수 있습니다.

딥 러닝 기술을 사용하려면 고급 수학을 알아야 하거나 강력한 컴퓨터에 액세스 할 수 있어야 한다고 생각할 수 있습니다.

고등학교 수학을 통과하고 코딩의 기초를 알고 인터넷에 연결된 컴퓨터가 있는 한 세계적 수준의 딥 러닝을 배울 수 있습니다.

우리는 가능한 한 많은 사람들이 딥 러닝에 접근 할 수 있도록 하는 것을 목표로 freeCodeCamp.org YouTube 채널에 15 시간 딥 러닝 과정을 게시했습니다.

이 과정은 fast.ai에서 가져 왔으며 Jeremy Howard와 Sylvain Gugger가 개발했습니다. Sylvain Gugger는 10 개의 수학 교과서를 저술 한 연구원입니다. Jeremy는 지난 30 년 동안 기계 학습을 가르쳤습니다. 그는 세계 최대의 기계 학습 커뮤니티 인 Kaggle의 전 사장 겸 수석 과학자입니다.

또한 이 과정에는 온라인에서 무료로 액세스 할 수 있는 책이 포함되어 있습니다. 실제 사본을 구입할 수도 있습니다. 이 책은 Amazon에서 가장 많이 판매되는 딥 러닝 책 중 하나입니다.

https://www.freecodecamp.org/news/learn-deep-learning-from-the-president-of-kaggle/

이 과정을 마치면 다음을 알 수 있습니다.

• 컴퓨터 비전, 자연어 처리 (NLP), 테이블 형식 데이터 및 협업 필터링에서 최첨단 결과를 달성하는 모델을 훈련하는 방법
• 모델을 웹 애플리케이션으로 전환하고 배포하는 방법
• 딥 러닝 모델의 작동 원리
• 해당 지식을 사용하여 모델의 정확성, 속도 및 신뢰성을 개선하는 방법
• 실제로 실제로 중요한 최신 딥 러닝 기술
• 확률 적 경사 하강 법 및 완전한 훈련 루프를 처음부터 구현하는 방법
• 작업의 윤리적 의미에 대해 생각하는 방법과 작업이 해를 입히기 위해 오용 될 가능성을 최소화하는 방법

이 과정에서 다루는 몇 가지 기술은 다음과 같습니다.

• 랜덤 포레스트 및 그라디언트 부스팅
• Affine 함수 및 비선형 성
• 매개 변수 및 활성화
• 무작위 초기화 및 전이 학습
• SGD, Momentum, Adam 및 기타 최적화 프로그램
• Convolutions
• 배치 정규화
• Dropout
• 데이터 증대
• 무게 감소
• 이미지 분류 및 회귀
• 엔티티 및 단어 임베딩
• RNN (Recurrent Neural Network)
• 분할
• 그리고 훨씬 더
   

freeCodeCamp.org YouTube 채널 (15 시간 시청)에서 전체 과정을 시청하세요.