풀잎스쿨
연구를 위한 지식을 플립러닝 방식으로
2-3개월 간 학습하는 집중 스터디 과정입니다.
2-3개월 간 학습하는 집중 스터디 과정입니다.
* 풀잎스쿨은 3개월마다 진행됩니다.
CS231n 강의의 이론과 실습을 통해 탄탄하게 다지는 Visual Recognition을 위한 Deep Learning 기초 과정!
본 과정은 CS231n 과정을 통해서 Visual Recognition을 위한 Deep Learning을 공부합니다.
주어진 강의 슬라이드 및 영상을 사전 학습하고 돌아가면서 발표하며 함께 토론하면서 배웁니다.
또한 이론 공부에만 그치지 않도록, 강의에서 주어진 Assignment 3개를 통해 실습까지 깊이 있게 해 볼 계획입니다.
주어진 강의 슬라이드 및 영상을 사전 학습하고 돌아가면서 발표하며 함께 토론하면서 배웁니다.
또한 이론 공부에만 그치지 않도록, 강의에서 주어진 Assignment 3개를 통해 실습까지 깊이 있게 해 볼 계획입니다.
- 온라인 모임은 ZOOM으로 진행됩니다.
- 활발한 커뮤니케이션을 위하여 화상으로 카메라와 마이크를 켜고 진행됩니다.
- 캠(혹은 캠이 내장된 노트북), 마이크 기능이 있는 이어폰을 준비해주세요.
- 마지막 주차는 모두의연구소 강남캠퍼스에서 오프라인으로 진행됩니다.
- 풀잎스쿨 14기에 한하여 온라인 과정이 165,000원으로 할인됩니다. 결제 페이지에서 온라인 전용 할인 쿠폰을 드립니다.
- 활발한 커뮤니케이션을 위하여 화상으로 카메라와 마이크를 켜고 진행됩니다.
- 캠(혹은 캠이 내장된 노트북), 마이크 기능이 있는 이어폰을 준비해주세요.
- 마지막 주차는 모두의연구소 강남캠퍼스에서 오프라인으로 진행됩니다.
- 풀잎스쿨 14기에 한하여 온라인 과정이 165,000원으로 할인됩니다. 결제 페이지에서 온라인 전용 할인 쿠폰을 드립니다.
이런 분들께 추천합니다
- Python Programming에 어려움이 없으신 분
- Computer Vision을 얕게나마 접해 보신 분
- Machine Learning, Deep Learning 의 Introduction 과정(ex. coursera) 정도를 들어 보신 분
- Tensorflow, Pytorch 등 Deep Learning Framework 등을 아주 살짝은 접해 보신 분
- Probability, Linear Algebra에 대한 직관적인 이해가 있으신 분
- Computer Vision을 얕게나마 접해 보신 분
- Machine Learning, Deep Learning 의 Introduction 과정(ex. coursera) 정도를 들어 보신 분
- Tensorflow, Pytorch 등 Deep Learning Framework 등을 아주 살짝은 접해 보신 분
- Probability, Linear Algebra에 대한 직관적인 이해가 있으신 분
난이도
학습유형
사전학습 (주차별 학습내용을 각자 학습한 후 모여서 토론합니다)
커리큘럼
1주차
2주차
3주차
4주차
5주차
6주차
7주차
8주차
9주차
10주차
11주차
Lecture 1. Course Introduction
Lecture 2. Image Classification
Lecture 2. Image Classification
2주차
Lecture 3. Loss Functions and Optimization
Lecture 4. Neural Networks and Backpropagation
Lecture 4. Neural Networks and Backpropagation
3주차
Lecture 5. Convolutional Neural Networks
Assignment #1. kNN, SVM, SoftMax, two-layer network
Assignment #1. kNN, SVM, SoftMax, two-layer network
4주차
Lecture 6. Deep Learning Hardware and Software
Lecture 7. Training Neural Networks, part 1
Lecture 7. Training Neural Networks, part 1
5주차
Lecture 8. Training Neural Networks, part 2
Lecture 9. CNN Architectures
Lecture 9. CNN Architectures
6주차
Assignment #2. Neural networks, ConvNets
Lecture 10. Recurrent Neural Networks
Lecture 10. Recurrent Neural Networks
7주차
Lecture 11. Generative Models
Lecture 12. Detection and Segmentation
Lecture 12. Detection and Segmentation
8주차
Lecture 13. Visualizing and Understanding
Lecture 14. Fairness Accountability Transparency and Ethics in AI
Lecture 14. Fairness Accountability Transparency and Ethics in AI
9주차
Assignment #3. RNNs, LSTMs, Network Visualization, Style Transfer, GANs
Lecture 15. Humen-Centered Artificial Intelligence
Lecture 15. Humen-Centered Artificial Intelligence
10주차
Lecture 16. 3D Deep Learning
Lecture 17. Deep Reinforcement Learning
Lecture 17. Deep Reinforcement Learning
11주차
Lecture 18. Scene Graphs
Wrap-Up
Wrap-Up
* 이론+실습으로 진행되는 과정입니다. 참고해주세요.
교재 및 학습자료 / 준비물
- 강의 슬라이드: http://cs231n.stanford.edu/syllabus.html
- 강의 영상: https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv&index=1
- Assignment: https://cs231n.github.io/
- 준비물 : 실습할 노트북, Colab
풀잎스쿨이란
풀잎스쿨 신청자분들께는 과정 시작 일주일 전에 참여 관련 안내 메일을 드릴 예정입니다.
퍼실이 소개
최한철
#로봇_외길 #딥러닝_초보
로봇 제어 엔지니어로서 알고리즘으로 로봇을 움직이는 일을 합니다.
예전에는 로봇을 움직이는 알고리즘이 모델 기반의 알고리즘이었다면 근래에 deep learning의 발전으로 로봇에도 기계학습 방법이 많이 시도되고 있습니다.
제가 로봇을 움직이는 데에 사용할 수 있는 알고리즘의 범위를 넓히고 싶어서 딥러닝 기초강좌부터 개설하게 되었습니다.
풀잎스쿨 / LAB 참여 이력
- 강남Dynamics 랩
- CS229로 하는 Machine Learning Begins
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
CS231n REBOOT
시작일
2021년 1월 12일
진행일시
화 / 20:00
수강기간
11주 (2시간/주)
진행장소
온라인캠퍼스
231,000원 165,000원(쿠폰제공)
선결제자가 가상 계좌 입금 대기 상태인 경우, 실질적으로 마감되었음에도 마감 임박으로 표시됩니다.
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
CS231n REBOOT
시작일
2021년 1월 12일
진행일시
화 / 20:00
수강기간
11주 (2시간/주)
진행장소
온라인캠퍼스
231,000원 165,000원(쿠폰제공)
선결제자가 가상 계좌 입금 대기 상태인 경우, 실질적으로 마감되었음에도 마감 임박으로 표시됩니다.
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
대기자 신청을 해주시면 추후 공석이 생길 경우 메일로 알람이 발송됩니다.
CS231n 강의의 이론과 실습을 통해 탄탄하게 다지는 Visual Recognition을 위한 Deep Learning 기초 과정!
본 과정은 CS231n 과정을 통해서 Visual Recognition을 위한 Deep Learning을 공부합니다.
주어진 강의 슬라이드 및 영상을 사전 학습하고 돌아가면서 발표하며 함께 토론하면서 배웁니다.
또한 이론 공부에만 그치지 않도록, 강의에서 주어진 Assignment 3개를 통해 실습까지 깊이 있게 해 볼 계획입니다.
주어진 강의 슬라이드 및 영상을 사전 학습하고 돌아가면서 발표하며 함께 토론하면서 배웁니다.
또한 이론 공부에만 그치지 않도록, 강의에서 주어진 Assignment 3개를 통해 실습까지 깊이 있게 해 볼 계획입니다.
- 온라인 모임은 ZOOM으로 진행됩니다.
- 활발한 커뮤니케이션을 위하여 화상으로 카메라와 마이크를 켜고 진행됩니다.
- 캠(혹은 캠이 내장된 노트북), 마이크 기능이 있는 이어폰을 준비해주세요.
- 마지막 주차는 모두의연구소 강남캠퍼스에서 오프라인으로 진행됩니다.
- 풀잎스쿨 14기에 한하여 온라인 과정이 165,000원으로 할인됩니다. 결제 페이지에서 온라인 전용 할인 쿠폰을 드립니다.
- 활발한 커뮤니케이션을 위하여 화상으로 카메라와 마이크를 켜고 진행됩니다.
- 캠(혹은 캠이 내장된 노트북), 마이크 기능이 있는 이어폰을 준비해주세요.
- 마지막 주차는 모두의연구소 강남캠퍼스에서 오프라인으로 진행됩니다.
- 풀잎스쿨 14기에 한하여 온라인 과정이 165,000원으로 할인됩니다. 결제 페이지에서 온라인 전용 할인 쿠폰을 드립니다.
이런 분들께 추천합니다
- Python Programming에 어려움이 없으신 분
- Computer Vision을 얕게나마 접해 보신 분
- Machine Learning, Deep Learning 의 Introduction 과정(ex. coursera) 정도를 들어 보신 분
- Tensorflow, Pytorch 등 Deep Learning Framework 등을 아주 살짝은 접해 보신 분
- Probability, Linear Algebra에 대한 직관적인 이해가 있으신 분
- Computer Vision을 얕게나마 접해 보신 분
- Machine Learning, Deep Learning 의 Introduction 과정(ex. coursera) 정도를 들어 보신 분
- Tensorflow, Pytorch 등 Deep Learning Framework 등을 아주 살짝은 접해 보신 분
- Probability, Linear Algebra에 대한 직관적인 이해가 있으신 분
난이도
학습유형
사전학습 (주차별 학습내용을 각자 학습한 후 모여서 토론합니다)
커리큘럼
1주차
2주차
3주차
4주차
5주차
6주차
7주차
8주차
9주차
10주차
11주차
Lecture 1. Course Introduction
Lecture 2. Image Classification
Lecture 2. Image Classification
2주차
Lecture 3. Loss Functions and Optimization
Lecture 4. Neural Networks and Backpropagation
Lecture 4. Neural Networks and Backpropagation
3주차
Lecture 5. Convolutional Neural Networks
Assignment #1. kNN, SVM, SoftMax, two-layer network
Assignment #1. kNN, SVM, SoftMax, two-layer network
4주차
Lecture 6. Deep Learning Hardware and Software
Lecture 7. Training Neural Networks, part 1
Lecture 7. Training Neural Networks, part 1
5주차
Lecture 8. Training Neural Networks, part 2
Lecture 9. CNN Architectures
Lecture 9. CNN Architectures
6주차
Assignment #2. Neural networks, ConvNets
Lecture 10. Recurrent Neural Networks
Lecture 10. Recurrent Neural Networks
7주차
Lecture 11. Generative Models
Lecture 12. Detection and Segmentation
Lecture 12. Detection and Segmentation
8주차
Lecture 13. Visualizing and Understanding
Lecture 14. Fairness Accountability Transparency and Ethics in AI
Lecture 14. Fairness Accountability Transparency and Ethics in AI
9주차
Assignment #3. RNNs, LSTMs, Network Visualization, Style Transfer, GANs
Lecture 15. Humen-Centered Artificial Intelligence
Lecture 15. Humen-Centered Artificial Intelligence
10주차
Lecture 16. 3D Deep Learning
Lecture 17. Deep Reinforcement Learning
Lecture 17. Deep Reinforcement Learning
11주차
Lecture 18. Scene Graphs
Wrap-Up
Wrap-Up
* 이론+실습으로 진행되는 과정입니다. 참고해주세요.
교재 및 학습자료 / 준비물
- 강의 슬라이드: http://cs231n.stanford.edu/syllabus.html
- 강의 영상: https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv&index=1
- Assignment: https://cs231n.github.io/
- 준비물 : 실습할 노트북, Colab
풀잎스쿨이란
풀잎스쿨이 무엇인가요?
연구에 필요한 기초 지식&기술을 플립러닝 방식으로 2~3개월 간 함께 집중적으로 학습하는 과정입니다.
퍼실이는 누구인가요?
‘facilitator’에서 나온 명칭으로, 풀잎스쿨 각 과정의 조력자입니다.
함께 공부하고 싶은 과정을 기획하고 풀잎 모임을 리딩 및 진행합니다.
함께 공부하고 싶은 과정을 기획하고 풀잎 모임을 리딩 및 진행합니다.
다른 곳들과 어떤 차이점이 있나요?
수동적으로 배우게 되는 기존의 학원과 다르게 플립러닝(flipped learning, 거꾸로 학습)으로 진행됩니다.
따라서 질문과 토론을 통해 지식을 인터랙티브하게 공유하고 성장할 수 있습니다.
* 플립러닝(flipped Learning) : 거꾸로 학습. 각자 학습을 해온 후 모여서 질문, 토론 등으로 공부하는 방식
따라서 질문과 토론을 통해 지식을 인터랙티브하게 공유하고 성장할 수 있습니다.
* 플립러닝(flipped Learning) : 거꾸로 학습. 각자 학습을 해온 후 모여서 질문, 토론 등으로 공부하는 방식
풀잎스쿨 신청자분들께는 과정 시작 일주일 전에 참여 관련 안내 메일을 드릴 예정입니다.
퍼실이 소개
최한철
#로봇_외길 #딥러닝_초보
로봇 제어 엔지니어로서 알고리즘으로 로봇을 움직이는 일을 합니다.
예전에는 로봇을 움직이는 알고리즘이 모델 기반의 알고리즘이었다면 근래에 deep learning의 발전으로 로봇에도 기계학습 방법이 많이 시도되고 있습니다.
제가 로봇을 움직이는 데에 사용할 수 있는 알고리즘의 범위를 넓히고 싶어서 딥러닝 기초강좌부터 개설하게 되었습니다.
예전에는 로봇을 움직이는 알고리즘이 모델 기반의 알고리즘이었다면 근래에 deep learning의 발전으로 로봇에도 기계학습 방법이 많이 시도되고 있습니다.
제가 로봇을 움직이는 데에 사용할 수 있는 알고리즘의 범위를 넓히고 싶어서 딥러닝 기초강좌부터 개설하게 되었습니다.
풀잎스쿨 / LAB 참여 이력
- 강남Dynamics 랩
- CS229로 하는 Machine Learning Begins
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.