일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- pmdarima
- DENSE_RANK()
- 마케팅 보다는 취준 강연 같다(?)
- 로그 변환
- 인프런
- lightgbm
- 분석 패널
- WITH CUBE
- sql
- ARIMA
- 그로스 해킹
- 데이터 증식
- Growth hacking
- 캐글 신용카드 사기 검출
- splitlines
- 스태킹 앙상블
- 캐글 산탄데르 고객 만족 예측
- WITH ROLLUP
- python
- 리프 중심 트리 분할
- 데이터 핸들링
- 그로스 마케팅
- 컨브넷
- 그룹 연산
- 3기가 마지막이라니..!
- tableau
- XGBoost
- ImageDateGenerator
- 데이터 정합성
- 부트 스트래핑
- Today
- Total
목록4-2/이미지 딥러닝 (13)
LITTLE BY LITTLE
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/uh4oM/btrMUybvSgO/0JqbYnRPg6wQvEv6sVCvU1/img.png)
2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델(YOLO, Faster R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴퓨터 비전의 고급 개념 및 새 지평 07. 복합적이고 불충분한 데이터셋에서 훈련시키기 (입력 파이프라인, 데이터셋 보강, VAE와 GAN) 08. 동영상과 순환 신경망 (RNN, 장단기 메모리 셀, LSTM으로 동영상 분류하기) 09. 모델 최적화 및 모바일 기기 배포 (계산 및 디스크 용량 최적화, 온디바이스 머신러닝, Mobi..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cYrHte/btrMfdTc4vC/IMQrPR1ipAiSibAHzge8Ok/img.png)
2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴퓨터 비전의 고급 개념 및 새 지평 07. 복합적이고 불충분한 데이터셋에서 훈련시키기 (입력 파이프라인, 데이터셋 보강, VAE와 GAN) 08. 동영상과 순환 신경망 (RNN, 장단기 메모리 셀, LSTM으로 동영상 분류하기) 09. 모델 최적화 및 모바일 기기 배포 (계산 및 디스크 용량 최적화, 온디바이스 머신러닝, Mobi..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bX4y5a/btrLQyCQ4Ek/ZhVXESNeWDN1HBNk1kIoK1/img.png)
목차 1부. 컴퓨터 비전에 적용한 텐서플로2와 딥러닝 01. 컴퓨터 비전과 신경망 02. 텐서플로 기초와 모델 훈련 (케라스, 텐서보드, 애드온, 확장, 라이트, TensorFlow.js, 모델 실행 장소) 03. 현대 신경망 (다차원 데이터를 이용한 신경망, CNN작업, 유효수용영역, 훈련 프로세스 개선, 정규화 기법) 더보기 2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/Q31nb/btrLFyXMAWZ/9QNv5tprGV7v8NCumR8dh1/img.png)
목차 1부. 컴퓨터 비전에 적용한 텐서플로2와 딥러닝 01. 컴퓨터 비전과 신경망 02. 텐서플로 기초와 모델 훈련 (케라스, 텐서보드, 애드온, 확장, 라이트, TensorFlow.js, 모델 실행 장소) 03. 현대 신경망 (다차원 데이터를 이용한 신경망, CNN작업, 유효수용영역, 훈련 프로세스 개선, 정규화 기법) 더보기 2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/W5MVu/btrLuxGi1S8/qsWzCvkh7SBV3V4ZhAkLcK/img.png)
목차 1부. 컴퓨터 비전에 적용한 텐서플로2와 딥러닝 01. 컴퓨터 비전과 신경망 02. 텐서플로 기초와 모델 훈련 (케라스, 텐서보드, 애드온, 확장, 라이트, TensorFlow.js, 모델 실행 장소) 03. 현대 신경망 (다차원 데이터를 이용한 신경망, CNN작업, 유효수용영역, 훈련 프로세스 개선, 정규화 기법) 더보기 2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴..