MS AI School에서 배운 통계 수학적 지식부터 데이터 프로세싱 및 시각화, Pytorch, 머신러닝, 딥러닝까지 기초부터 적용까지 자세한 개념과 코드를 다루었습니다. Jupyter notebook 마크다운으로 설명을 달아놓았고 직접 실습하였던 코드도 제공됩니다. 학습 목차와 실습에 사용되는 데이터들은 링크를 참고해주세요.
-
[Data Analysis]
- Data Analysis: 통계 데이터 분석
- Data Type: 여러가지 통계 데이터
- Time Series Data: 시계열 데이터
-
[Data Labeling]
- Annotation: Annotation의 개념부터 YOLO, COCO 양식 등 여러가지 Annotation
- Custom Dataset: 기계 학습 시 데이터 셋 커스터마이징
- Image Augmentation: 데이터 셋을 기반으로 데이터 증강
-
[Dataset Construction]
- Data Reduction: Reduction을 활용한 데이터 처리
- Data Encoding: Encoding 개념부터 데이터 처리
- Text Data Processing: 텍스트 데이터 처리
- Basic Numpy: Numpy 라이브러리
- Data Preprocessing: 이미지 및 비디오 데이터 처리
- Data Collection: 데이터 분할과 크롤링
-
[Model Training]
- ANN: 인공지능 기초지식과 머신러닝 함수
- CNN: CNN의 개념과 대표적인 모델
- DL: 딥러닝의 여러가지 기법
- Keras, Sklearn: Keras, Sklearn을 활용한 예제