| 강의목차 | 강의제목 | 플레이어 | 수강여부 |
|---|---|---|---|
| 01 | CNN의 등장 배경과 합성곱(Convolution) 원리 이해 [62:24] | ||
| 02 | CNN 전체 네트워크 구조 설계와 풀링(Pooling)의 역할 [42:50] | ||
| 03 | 파이토치 신경망 구축: Module과 Functional API 차이 [34:22] | ||
| 04 | CNN 모델 학습 루프 구현과 정확도 평가 및 모델 저장 [54:41] | ||
| 05 | 좋은 CNN 설계를 위한 핵심 감각과 모델 최적화 전략 [34:12] | ||
| 06 | 생성형 모델 기초: 텍스트 생성과 자기지도 학습 입문 [42:16] | ||
| 07 | 바이그램(Bigram) 모델을 활용한 문자 시퀀스 통계 분석 [57:40] | ||
| 08 | 생성 모델을 위한 서브시퀀스 구성과 임베딩(Embedding) 원리 [52:1] | ||
| 09 | 선형층(MLP) 기반 텍스트 생성 모델 구현과 반복 추론 [36:39] | ||
| 10 | 어텐션(Attention) 메커니즘의 원리: Query, Key, Value [47:56] |
