03. Building Custom Images Through Docker Server
Creating Docker Images Dockerfile -> Docker client -> Docker Server -> Usable Image! Dockerfile: Configuration to define how our container should behave Specify a base ima...
이용학
02. Manipulating Containers with the Docker Client
Listing Containers docker ps docker ps --all Container Lifecyle docker run = docker create + docker start Restarting Stopped Containers docker start ID Removing Stopped Containers docker s...
01. Dive Into Docker!
Image: Single file with all the deps and config required to run a program Container: Instance of an image. Runs a program. Namespacing: Isolating resources per process (or group of proc...
12. Recurrent Neural Networks
순환 신경망의 구조와 수식, vanishing gradient 문제, 그리고 LSTM의 게이트 동작 원리.
11. Transfer Learning and Fine-tuning Convolutional Neural Networks
사전 학습된 ConvNet을 특징 추출기로 쓰거나 fine-tuning하는 전략과 실무 지침.
10. Understanding and Visualizing Convolutional Neural Networks
학습된 ConvNet의 활성화와 필터 시각화, 최근접 이웃과 t-SNE 임베딩으로 표현 이해하기.
09. Convolutional Neural Networks: Architectures, Convolution / Pooling Layers
CONV·POOL·FC 층의 동작 원리, 하이퍼파라미터 설정, 그리고 대표적인 ConvNet 구조 사례.
08. Putting it Together: Minimal Neural Network Case Study
2차원 나선형 데이터에 선형 분류기와 2층 신경망을 처음부터 구현해보는 전 과정.
07. Neural Networks Part 3: Learning and Evaluation
기울기 점검, 학습 과정 모니터링, 매개변수 갱신 방식, 하이퍼파라미터 최적화와 앙상블.
06. Neural Networks Part 2: Setting up the Data and the Loss
데이터 전처리, 가중치 초기화, batch normalization, 정규화와 손실 함수 설정.