README.ko.md

Stanford CS231n Assignments (2021 Version)

언어 선택 / Language Selection:

• 🇺🇸 English
• 🇰🇷 한국어 (Korean)

이 레포지토리는 Stanford의 CS231n: Convolutional Neural Networks for Visual Recognition 강의(Spring 2017)의 과제를 2021 버전으로 완료한 솔루션을 포함하고 있습니다.

강의 소개

Stanford의 CS231n은 가장 잘 알려진 딥러닝 강의 중 하나로, 합성곱 신경망(CNN)과 이를 컴퓨터 비전 분야에 응용하는 방법에 대해 심도 있게 다룹니다. 강의에서는 다음과 같은 주제를 포함합니다:

• 이미지 분류
• CNN 아키텍처
• 전이 학습
• 객체 탐지 및 분할
• 비전에서의 순환 신경망(RNN)과 트랜스포머
• 생성적 적대 신경망(GAN)
• 자가 지도 학습(Self-Supervised Learning)

인공지능에 관심이 있다면 이 강의를 통해 딥러닝 기반을 다져보세요.

Useful links:

📹 Lecture Videos (Spring 2017)

📖 Official Course Website

⚠️ 주의사항

제 구현에는 특히 Batch Normalization과 Dropout 섹션에서 몇 가지 오류가 있을 수 있습니다. 이를 수정하려고 노력했지만, 완전히 디버깅하는 데 어려움이 있었습니다.

📂 Assignment Solutions

Assignment 1

• Q1: k-Nearest Neighbor classifier
• Q2: Training a Support Vector Machine
• Q3: Implement a Softmax classifier
• Q4: Two-Layer Neural Network
• Q5: Higher Level Representations: Image Features

Assignment 2

• Q1: Multi-Layer Fully Connected Neural Networks

• Q2: Batch Normalization

• Q3: Dropout

• Q4: Convolutional Neural Networks

• Q5: PyTorch/TensorFlow on CIFAR-10

  (Q5는 PyTorch와 TensorFlow 중 하나의 프레임워크를 선택해서 수행하는 과제인데 저는 PyTorch를 선택했습니다.)

Assignment 3

• Q1: Image Captioning with Vanilla RNNs

• Q2: Image Captioning with Transformers

• Q3: Network Visualization: Saliency Maps, Class Visualization, and Fooling Images

• Q4: Generative Adversarial Networks

• Q5: Self-Supervised Learning for Image Classification

• Extra Credit: Image Captioning with LSTMs

  (Extra Credit 과제는 생략했습니다.)

Disclaimer

이 레포지토리는 교육 목적으로 제공됩니다. 현재 이 강의를 수강 중인 경우, 솔루션을 그대로 복사하지 마시고 이해와 디버깅을 돕는 참고 자료로만 활용하시기 바랍니다.

즐거운 학습 되세요! 🎓