인공지능 서론 (Artificial intelligence introduction)
식품과학에서 인공지능 활용 이유 (Why AI in Food Science?)
AI 시작하기 (How to start with AI)
데이터 전처리 (Data preprocessing)
의사결정나무 (Decision tree)
랜덤포레스트 (Random forest)
K-최근접이웃 (K-nearest neighbor)
서포트 벡터 머신 (Support vector machine)
혼동행렬 (Confusion matrix)
ROC 곡선 (ROC curve)
정규화/표준화 (Normalization/standardization)
하이퍼파라미터 최적화 (Hyperparameter optimization)
K-겹 교차검증 (K-fold cross validation)
차원축소 (Dimension reduction)
행렬-벡터(고유벡터, 고유값) (Matrix, vector (eigenvector, eigenvalue))
주성분 분석 (Principal component analysis)
선형 판별 분석 (Linear Discriminant analysis, LDA)
다양한 인공지능 분류 모델 한번에 실행하기 (Running multiple classification models at once)
계측정 군집 분석 (Hierarchical clustering analysis)
K-평균 군집화 (K-means clustering)
밀도기반 군집 분석 (DBSCAN)
부스팅 알고리즘 (Boosting algorithms)
에이다부스트 (AdaBoost)
그래디언트부스팅 (Gradient Boosting)
극한 경사 부스팅 (XGBoost)
라이트 그래디언트 부스팅 (Light Gradient Boosting)
범주형 부스팅 (CatBoost)
인공지능에서 텐서가 필요한 이유는? (Why use tensors in AI)
AI 모델 최적화 기법: 경사하강볍 (Gradient Descent)
딥러닝 기초 블록: 퍼셉트론 (Perceptron)
AI 학습 속도 및 성능 향상의 비밀: 학습률 (Learning rate)
Gradient Descent 외 AI 최적화 알고리즘: SGD, Momentum, RSMprop, Adam
딥러닝의 핵심 활성화 함수(1): Sigmoid의 특징과 한계 (Sigmoid characteristics and limitations)
딥러닝의 핵심 활성화 함수(2): Tanh, ReLU, Leaky ReLU
역전파 기초 이론 (Backpropagation fundamentals)
예제로 배우는 역전파 (Learning backpropagation with examples)
교차 엔트로피: AI 분류 모델 성능 UP (Cross-entropy)
Softmax: 다중클래스 분류 (Softmax)
Tensorflow vs. Pytorch
Tensorflow 실습: 다층퍼셉트론 와인분류 (Hands-on MLP wine classification with tensorflow)
다층퍼셉트론으로 손글씨(MNIST) 숫자 인식 (Handwritten digit (MNIST) recognition with MLP)
합성곱 신경망 기초 이론 (Convolutional Neural Network, CNN)
합성곱 신경망 실습 (CNN Hands-on practice with MNIST)
Natural Language Processing (NLP)
자연어처리 (Bag of words)
문서단어 행렬 (Document-term matrix)
단어빈도-역문서 빈도 (TF-IDF)
코사인 유사도 (Cosine similarity)
워드투벡 (Word2Vec)
텍스터 전처리 (Text preprocessing)
한글 텍스트 전처리
워드클라우드 (Word Clouds)
코딩없이 GPTS 챗봇 만들기-식당메뉴번역기 (Creating GPTs chatbot-foreign menu translator)
코딩없이 GPTS 챗봇 만들기-해외관광명소가이드