[딥러닝] 6-3강. GD vs SGD 비교
혁펜하임 딸기스무디 먹이기!: / 혁펜하임 혁펜하임 그는 누구인가: https://hyukppen.com 혁펜하임 인스타: / hyukppen --------------------------------------------- • 혁펜하임의 “퍼펙트” 신호 및 시스템 (Signals & Systems) • 혁펜하임의 "보이는" 선형대수학 (Linear Algebra) • 혁펜하임의 “트이는” 강화 학습 (Reinforcement learning) • 혁펜하임의 “탄탄한” 컨벡스 최적화 (Convex Optimization) • LEVEL 0: AI를 위한 기초 수학 • LEVEL 0: 인스톨! 파이썬 • LEVEL 1: Easy! 딥러닝 • LEVEL 1: 인스톨! 파이토치 • LEVEL 2: Legend 13 & TTT 도강하기 🙄 • 혁펜하임의 "면접의 신" ---------------------------------------------
![[딥러닝] 6-4강. Momentum 과 RMSProp](https://i.ytimg.com/vi/-oHYAUhq5ao/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLCy1-5IL3RoR5KyslzK3aypajASgA)
▶︎
[딥러닝] 6-4강. Momentum 과 RMSProp
![[Neural Network 9] 역전파 backpropagation 알고리즘 (수정본)](https://i.ytimg.com/vi/DMCJ_GjBXwc/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLClmReoHN3Hw7dqU2ym88srG8_x_Q)
▶︎
[Neural Network 9] 역전파 backpropagation 알고리즘 (수정본)
![[딥러닝] 6-2강. 확률적 경사 하강법 (SGD: Stochastic Gradient Descent)](https://i.ytimg.com/vi/gHcu0NKyli4/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLDSTiTg8KurrGHC_L2K_Fxy73aYIA)
▶︎
[딥러닝] 6-2강. 확률적 경사 하강법 (SGD: Stochastic Gradient Descent)
![[최적화] 3-1강. 경사하강법 (Gradient Descent) 미분만 알면 돼!](https://i.ytimg.com/vi/_3Rrl4_EGO8/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLACE3xbFr9YMxMZPS1gF6cvoN9b1g)
▶︎
[최적화] 3-1강. 경사하강법 (Gradient Descent) 미분만 알면 돼!
![[딥러닝] 6-1강. 역전파 (Backpropagation) | 딥러닝 시대를 열어준 단 한줄의 수식!!](https://i.ytimg.com/vi/aUd2MKLvDsc/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLDkrYl_hLIGSWff6ZHTtjusGYsB3g)
▶︎
[딥러닝] 6-1강. 역전파 (Backpropagation) | 딥러닝 시대를 열어준 단 한줄의 수식!!

▶︎
Why Is AI Still "Downhill"? | Gradient Descent and Local Minima

▶︎
12강. 지수분포

▶︎
Stochastic Gradient Descent vs Batch Gradient Descent vs Mini Batch Gradient Descent |DL Tutorial 14
![[딥러닝] 10강. Confusion matrix(혼동 행렬) 에서 Recall(재현율)과 Precision(정밀도) 더 이상 헷갈리지 마세요! F1-score 는 덤](https://i.ytimg.com/vi/Bh_jqbGLiG0/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLBZWz5Lzu97pMc_LjNFOlptzirqzQ)
▶︎
[딥러닝] 10강. Confusion matrix(혼동 행렬) 에서 Recall(재현율)과 Precision(정밀도) 더 이상 헷갈리지 마세요! F1-score 는 덤
![[Easy! 딥러닝] 3-2강. 확률적 경사 하강법 (SGD: Stochastic Gradient Descent) 주머니 예시로 쉽게 설명해 드려요](https://i.ytimg.com/vi/goBkxDdJX8Y/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLDIlt7cVYX_iTC1AGuocNY1U91xEw)
▶︎
[Easy! 딥러닝] 3-2강. 확률적 경사 하강법 (SGD: Stochastic Gradient Descent) 주머니 예시로 쉽게 설명해 드려요

▶︎
딥러닝 자연어처리 RNN 개념을 30분안에 정리해드립니다ㅣ서울대 AI박사과정

▶︎
뉴럴네트워크라는걸 들어 보셨다면 보셔야 할 영상. - DL1

▶︎
Tutorial 12- Stochastic Gradient Descent vs Gradient Descent

▶︎
Adam Optimization Algorithm (C2W2L08)

▶︎
Optimization for Deep Learning (Momentum, RMSprop, AdaGrad, Adam)

▶︎
트랜스포머, ChatGPT가 트랜스포머로 만들어졌죠. - DL5

▶︎
Really Easy Deep Learning Lesson 5: Exciting Gradient Descent
![[Easy! 딥러닝] 3-3강. mini-batch GD & 배치 크기를 무작정 키우면 안 되는 이유](https://i.ytimg.com/vi/WsdTEBlCQQ8/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLCN4pKT8Izllo5U-X_JJJWi-QIvKg)
▶︎
[Easy! 딥러닝] 3-3강. mini-batch GD & 배치 크기를 무작정 키우면 안 되는 이유
![[딥러닝] 1-2강. 경사 하강법 vs Newton's method | 선형 회귀 풀이](https://i.ytimg.com/vi/CNGkMEZ4R9A/hqdefault.jpg?sqp=-oaymwEjCNACELwBSFryq4qpAxUIARUAAAAAGAElAADIQj0AgKJDeAE=&rs=AOn4CLAYN78UMHbFNSwFSOggxGZTYSd3Mg)
▶︎
[딥러닝] 1-2강. 경사 하강법 vs Newton's method | 선형 회귀 풀이

▶︎
