1. Introduction to Deep Learning / L1. Welcome to Deep Learning

딥러닝?

 - 현재 컴퓨터 분야에서 가장 핫한 주제

 - 자율주행차, 언어번역, 예술분야 등 접목분야가 점점 늘어나고 그 가능성 또한 무한

 - 과거엔 SF영화에나 나올법한 기술(개념)이었으나, 너무나 실현가능하다.

 - 예를들면 안면인식, Amazon사의 Alexa(인간의 언어를 인지 및 해석) 등 그 가능성이 무한하다.

신경망(Neural Networks)

 - 파이썬을 사용하여 간단한 신경망을 만드는 법을 배운다. 

 - 그라디언트 디센트 (gradient descent) 및 역 전파 (backpropagation)와 같은 네트워크 교육에 사용되는 알고리즘을 다룸.

 - 또한 신경 네트워크(신경망)를 훈련, 평가하는 중요한 기술인 모델 평가 및 유효성 검사(model evaluation and validation)를 다룬다.

# Neural Networks

Convolutional Networks

 - Convolutional Networks는 컴퓨터 비전의 최첨단 결과를 달성하게 해줬다. 

 - 이 네트워크는 이미지의 개체를 탐지하고 식별 할 수 있다. 

 - TensorFlow에서 Convolutional Networks를 구축하는 방법을 알아본다.

 - 이미지 압축 및 노이즈 제거에 사용되는 network architecture인 자동 인코딩을 구축. 

 - 꽃 이미지를 분류하기 위해 pretrained neural network(VGGnet)를 사용. 이는 전송 학습(transfer learning)이라 불리는 기술이다.

# Convolutional Networks

Recurrent Neural Networks(RNN)

 - 텍스트, 음악 및 시계열 데이터와 같은 시퀀스를 형성하는 데이터에 적합한 네트워크 아키텍처 유형

 - 새로운 문자를 생성 할 수있는 RNN을 구축해본다.

# Recurrent Neural Networks

- 그 다음 단어 삽입에 대해 배우고, 단어 간의 의미론적 관계(semantic relationships)에 대해 배울 수 있는 네트워크인 

- Word2Vec 모델을 구현. 이는 텍스트를 처리 할 때 네트워크의 효율성을 높이기 위해 사용.

 - 자연어 처리의 예제로 영화 리뷰의 정서(sentiment of movie reviews)를 예측하기 위해 embeddings과 RNN을 혼합하여 사용하게 된다

 - 세번째 프로젝트에서는 The Simpson의 에피소드에서 새로운 TV 스크립트를 생성하기 위해 배운 것들을 사용하게 된다.

Generative Adversarial Networks

 - Generative adversarial networks (GANs)는 가장 핫한 deep learning architectures 중 하나이며 

 - 실제 데이터를 이해할 수 있는 능력을 보여준다. 

 - 이 네트워크는 CycleGAN 프로젝트와 같은 이미지를 생성하는 데 사용할 수 있다.

 - 네번째 프로젝트에서는 새로운 인간의 얼굴 이미지를 생성하기 위해 Generative adversarial networks(GAN)을 사용한다. 

Deep Reinforcement Learning

 - Deep Reinforcement Learning은 인공 지능의 가장 최신 발전의 중심에 있다. 

 - 예를 들어, DeepMind의 AlphaGo에 널리 사용되었다.

 - Deep Reinforcement Learning를 사용하여 시뮬레이션 환경에서 작업을 수행하는 방법을 학습할 수 있는 에이전트를 디자인한다.

 - (design agents that can learn to take actions)

 - 그 다음 이를 비디오 게임 및 로봇과 같은 복잡한 제어 작업에 적용해본다.

 - 다섯 번째 프로젝트에서는 이륙, 공중 선회 및 착륙과 같은 여러 쿼드 코프 비행 작업을 제어하기 위해 

 - Deep Reinforcement Learning 에이전트를 설계 한다.