동영상

• ▶ (완강)[인공지능 특강] 25강. AI 모델의 발전과 응용 | 파운데이션 모델 | 전이학습 | 멀티모달 AI | 딥러닝 경량화 | 온디바이스 AI | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.06.15
• ▶ [인공지능 특강] 24강. 자연어 처리 | 자연어전처리 | 워드임베딩 | Attention | Transformer | BELU | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.06.08
• ▶ [인공지능 특강] 23강. Auto Encoder와 생성 모델 | LatentSpace | VAE | GAN | Diffusion model | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.06.01
• ▶ [인공지능 특강] 22강. RNN(Recurrent Neural Network) | Vanilla RNN | LSTM | GRU | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.05.27
• ▶ [인공지능 특강] 21강. CNN의 활용 | 분류 | 객체탐지(Object Detection) | 분할(Segmentation) | IoU | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.05.20
• ▶ [인공지능 특강] 20강. CNN(Convolutional Neural Network) | 이미지 데이터의 유형 | CNN의 구조 | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.05.14
• ▶ [인공지능 특강] 19강. DNN(Deep Neural Network)의 설계 | 신경망의 설계 및 학습 절차 | 신경망의 행렬식 표현 | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.05.11
• ▶ [인공지능 특강] 18강. 신경망에서의 활성함수와 손실함수 | 은닉층에서의 활성함수 | 출력층에서의 활성함수 | 네트워크의 손실함수 | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.05.04
• ▶ [인공지능 특강] 17강. 딥러닝 학습에서 마주하는 문제들 | 기울기 소실 문제 | 신경망의 과적합 | Local Minima 수렴 문제 | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.04.24
• ▶ [인공지능 특강] 16강. 활성함수의 필요성과 오류역전파 | 계단함수의 한계와 시그모이드 함수 | 역전파 알고리즘 | PART2.딥러닝 | IT의 답을 터득하다, 아답터 · 2026.04.15

1 페이지 다음 →