• 
  최성준

  안녕하세요. 저는 현재 박사 과정 중에 있으며, 기계 학습과 로보틱스를 주로 연구하고 있습니다. 오랜 시간을 관악산에 거주하였으나 지금은 LA에서 리서치 인턴을 하고 있습니다. 대부분의 시간을 이런 저런 생각을 하거나 코딩을 하면서 보내고, 종종 논문을 읽고, 또 쓰기도 합니다. 최근엔 생활비를 벌기 위해서 강의도 가끔씩 합니다. 주로 연구하는 분야는 모방 학습과 강화 학습 분야이고, 관련 연구자들을 만나서 잡담하는 것을 좋아합니다. 연구 관련 연락은 언제든 환영이에요. :)

1. 딥러닝 준비하기
   1. 딥러닝 & 딥러닝 개발 도구
   1. 앞으로 우리가 다뤄볼 내용들
   1. Convolutional Neural Network(CNN)의 기초
   1. [실습] 기본 파이썬 문법 실습
   1. 기계 학습 용어 정리
2. 딥러닝 들어가기
   1. 4가지 CNN 살펴보기: AlexNET, VGG, GoogLeNet, ResNet
   1. [실습] 이미지 처리 실습하기
   1. [실습] MNIST 데이터셋 사용법 익혀보기
   1. Overfitting을 막는 regularization
   1. Nature 논문으로 살펴보는 AlphaGo 알고리즘
   1. [실습] 기본 Tensorflow 문법 실습
   1. [실습] Logistic Regression으로 숫자 분류기를 구현하기
   1. Optimization 방법론
   1. Restricted Boltzmann Machine
3. Convolutional Neural Network(CNN)을 이용한 Application
   1. [실습] Multilayer Perceptron(MLP) 로 숫자 분류기 구현하기
   1. [실습] Custom dataset 만들어보기
   1. 이미지의 각 픽셀을 분류하는 Semantic Segmentation
   1. [실습] Convolutional Neural Network(CNN)으로 숫자 분류기 구현하기
   1. [실습] Custom dataset을 이용한 분류기 구현하기
   1. [실습] 99% 정확도를 넘기는 정교한 CNN 구현하기
   1. Residual Network가 왜 잘 되는지 해석해보기
   1. Weakly Supervised Localization
   1. Image Detection 방법론: RCNN, SPPnet, FastRCNN, FasterRCNN
   1. Image Detection 방법론: AttentionNet, SSD, YOLO, YOLOv2
   1. 이미지와 질문이 주어졌을 때 답을 맞추는 Visual QnA
   1. 이미지를 설명하는 문장을 만들어내는 Image Captioning
4. Advanced Topics
   1. 딥러닝을 이용한 강화학습
   1. Recurrent Neural Network(RNN): LSTM
   1. RNN을 이용해 손글씨를 만드는 Handwriting generation
   1. 주어진 사진을 원하는 화풍으로 만드는 Neural Style
   1. Generative Adversarial Network
   1. [실습] RNN 실습

* 본 강의를 듣기 전에 미리 살펴보기를 추천하는 '모두를 위한 딥러닝' 강의입니다.
https://hunkim.github.io/ml/

* 본 강의를 진행하는 최성준님의 github입니다. 모든 강의자료, 논문자료 및 소스코드는 github에서도 확인할 수 있습니다.
https://github.com/sjchoi86

* 스탠포드의 유명한 딥러닝 강의도 추천합니다.(CS231n)
http://cs231n.stanford.edu

* Tensorflow의 blog에서도 유익한 정보가 많습니다.
https:/tensorflowkorea.wordpress.com