안녕하세요.  

5주차(6월10일_토) 스터디 진행 사항과 참여 인원이 하기와 같음을 알려 드립니다.

5주차 스터디/동영상 내용과 관련하여 토의 사항이 있을 경우 댓글로 남겨 주시면 감사하겠습니다.

 - 학습진도: 

    -- 동영상 : 

       --- ML lab 06-2: TensorFlow로 Fancy Softmax Classification의 구현하기 ,

       --- lec 07-1: 학습 rate, Overfitting, 그리고 일반화 (Regularization) ,

       --- lec 07-2: Training/Testing 데이타 셋 ,

       --- ML lab 07-1: training/test dataset, learning rate, normalization ,

       --- ML lab 07-2: Meet MNIST Dataset 

 - 참여인원: 총 9 명

 - 참고: 

        - DeepLearningBook

        - Pattern Recognition and Machine Learning

        - Machine Learning | Coursera -  Andrew Ng 

           -- Lecture Notes | Coursera

           -- Stanford Machine Learning - 06: Logistic Regression

           -- CS 229 Machine Learning Course Materials

       - CS 229 Machine Learning | Stanford - Andrew Ng -  Lecture 3

       - Neural Networks for Machine Learning | Coursera -  Prof. Geoffrey Hinton on Coursera in 2013

           -- Neural Networks for Machine Learning | YouTube -  Prof. Geoffrey Hinton on Coursera in 2012

              --- Lecture 4.3 — The softmax output function [Neural Networks for Machine Learning]

           -- CSC321 Winter 2014 - Lecture notes

       - KAIST 문일철 머신 러닝 강좌

           -- (기계 학습, Machine Learning) Week 4 Logistic Regression

               ---  Lecture 1 Decision Boundary

               ---  Lecture 2 Introduction to Logistic Regression

       - BerkeleyX: CS120x Distributed Machine Learning with Apache Spark 

           -- Linear Classification and Logistic Regression

           -- Logistic Regression: Probabilistic Interpretation

       - Machine Learning in Python - Logistic regression in machine learning

       - Machine Learning 강의노트 - 03. Logistic Regression

       - TensorFlow 한글 문서

       - TensorFlow Tutorial

       - CS224D Lecture 7 - Introduction to TensorFlow (19th Apr 2016)​

       - CS224n Lecture 7 - Introduction to TensorFlow (31 January, 2017)

       - CS 229 Machine Learning Course Materials | Standford

           -- Linear Algebra Review and Reference

           -- Probability Theory Review

           -- Binary classification with +/-1 labels

           -- Supervised Learning, Discriminative Algorithms