들어가기 앞서
다들 2주차 수강하시느라 고생많으셨습니다!
이번 주차까지해서 저희는 Deep Learning 의 기초를 다뤄보았습니다.
여기까지 배운 내용이 뒤에도 적용될 수 있으니, 전체 흐름을 잘 이해하고 가져갔으면 좋겠습니다.
과제에는 스터디 시간에 다루기 어려운 조금더 세부적인 내용을 담아뒀습니다.
이에 따라 난이도가 올라가고, 과제에서 처음 보는 내용도 있겠지만, 이번 주차가 고비이다 라고 생각하고
해주신다면 다른 주차는 조금더 편하게 하실 수 있을거라고 생각합니다.
궁금한 사항은 정규스터디-질문방 을 사용해주시거나,
디스코드에서 @천민재 나 @김수진 에게 DM 해주세요!
1주차 스터디 영상과 강의록
강의 녹화본
토요일에 올라갈 예정입니다.
강의록
과제
위의 파일을 압축해체하면 week2 디렉토리가 나올겁니다.
그 디렉토리를 1주차 과제와 합쳐주세요. 최종적으로 아래와 같은 구조가 나와야합니다!
[여러분들의 저장소 이름]
├── pyproject.toml
├── requirements.txt
├── uv.lock
├── week1
│ ├── imgs # week1.ipynb 을 위한 이미지(수정하실 필요 없습니다!)
│ │ ├── mlp.jpg
│ │ └── perceptron.png
│ ├── week1.ipynb # Q1~Q9 까지 모두 풀려있는 상태
│ └── wil.md # 300 자 이상
└── week2
├── imgs # week2.ipynb 을 위한 이미지
│ ├── forward_backward.png
│ ├── gradient_direction.png
│ ├── graph.png
│ └── learning_rate.gif
├── optimizer_practice.html # 실습에 사용한 예제 파일
├── week2.ipynb
└── wil.md # 300 자 이상
Shell
복사
목표
•
학습의 개념을 이해하기
•
Gradient Descent 이해하기
•
Optimizer 이해하기
•
과제 마무리하기
◦
Q1~Q14 까지 필수문제
◦
WIL 300자 이상
마감 기한
9월 30일 23:59 까지
제출 방법
자신의 레포지토리에 weekn 폴더를 생성해 wil.md 파일을 제출합니다.
더 자세한 사항은 아래 링크를 참조해주세요.
