From 49739df3f9efbe9569db98fa91e31d4432c26f58 Mon Sep 17 00:00:00 2001 From: keon Date: Sun, 14 Jul 2019 00:30:49 -0700 Subject: [PATCH] update links in readme --- README.md | 46 +++++++++++++++++++++++----------------------- 1 file changed, 23 insertions(+), 23 deletions(-) diff --git a/README.md b/README.md index 7ce752d..70bf549 100644 --- a/README.md +++ b/README.md @@ -14,50 +14,50 @@ * [개념] 신경망의 원리 * [개념] 딥러닝과 신경망 * [개념] 왜 파이토치인가? -2. [파이토치 시작하기](02-Getting-Started-With-PyTorch) - 파이토치 환경설정과 사용법을 익혀봅니다 +2. [파이토치 시작하기](02-파이토치_시작하기) - 파이토치 환경설정과 사용법을 익혀봅니다 * [프로젝트 1] 파이토치 설치 & 환경구성 * [프로젝트 2] 파이토치 예제 내려받고 실행해보기 * [프로젝트 3] 토치비전과 토치텍스트로 데이터셋 불러오기 -3. [파이토치로 구현하는 신경망](03-Coding-Neural-Networks-In-PyTorch) - 파이토치를 이용하여 가장 기본적인 신경망을 만들어봅니다. +3. [파이토치로 구현하는 신경망](03-파이토치로_구현하는_인공_신경망) - 파이토치를 이용하여 가장 기본적인 신경망을 만들어봅니다. * [개념] 텐서와 Autograd * [프로젝트 1] 경사하강법으로 이미지 복원하기 * [프로젝트 2] 신경망 모델 구현하기 -4. [딥러닝으로 패션 아이템 구분하기](04-Neural-Network-For-Fashion) - Fashion MNIST 데이터셋과 앞서 배운 인공신경망을 이용하여 패션아이템을 구분해봅니다. - * [개념] [Fashion MNIST 데이터셋 설명](04-Neural-Network-For-Fashion/01-fashion-mnist.ipynb) - * [프로젝트 1] [Fashion MNIST 학습하기](04-Neural-Network-For-Fashion/02-neural-network.ipynb) +4. [딥러닝으로 패션 아이템 구분하기](04-딥러닝으로_패션_아이템_구분하기) - Fashion MNIST 데이터셋과 앞서 배운 인공신경망을 이용하여 패션아이템을 구분해봅니다. + * [개념] [Fashion MNIST 데이터셋 설명](04-딥러닝으로_패션_아이템_구분하기/01-fashion-mnist.ipynb) + * [프로젝트 1] [Fashion MNIST 학습하기](04-딥러닝으로_패션_아이템_구분하기/02-neural-network.ipynb) * [팁] 성능 측정법 알아보기 (Train/Validation/Test) - * [프로젝트 2] [오버피팅과 정규화](04-Neural-Network-For-Fashion/03-overfitting-and-regularization.ipynb) + * [프로젝트 2] [오버피팅과 정규화](04-딥러닝으로_패션_아이템_구분하기/03-overfitting-and-regularization.ipynb) * 더 보기 -5. [이미지 인식능력이 탁월한 CNN](05-CNN-For-Image-Classification) +5. [이미지 인식능력이 탁월한 CNN](05-이미지_처리능력이_탁월한_CNN) * [개념] CNN 기초 - * [프로젝트 1] [CNN 모델 구현하기](05-CNN-For-Image-Classification/01-cnn.ipynb) - * [프로젝트 2] [컬러 데이터셋에 적용하기](05-CNN-For-Image-Classification/02-cifar-cnn.ipynb) - * [팁] [토치비전으로 복잡한 모델 사용하기](05-CNN-For-Image-Classification/03-torcivision-models.ipynb) + * [프로젝트 1] [CNN 모델 구현하기](05-이미지_처리능력이_탁월한_CNN/01-cnn.ipynb) + * [프로젝트 2] [컬러 데이터셋에 적용하기](05-이미지_처리능력이_탁월한_CNN/02-cifar-cnn.ipynb) + * [팁] [토치비전으로 복잡한 모델 사용하기](05-이미지_처리능력이_탁월한_CNN/03-torcivision-models.ipynb) * 더 보기 -6. [사람의 지도 없이 학습하는 Autoencoder](06-Autoencoder) - 레이블이 없는 상태서 특징추출을 하는 오토인코더에 대해 배워봅니다. +6. [사람의 지도 없이 학습하는 Autoencoder](06-사람의_지도_없이_학습하는_오토인코더) - 레이블이 없는 상태서 특징추출을 하는 오토인코더에 대해 배워봅니다. * [개념] 오토인코더 기초 - * [프로젝트 1] [오토인코더로 이미지의 특징을 압축해보기](06-Autoencoder/01-autoencoder.ipynb) + * [프로젝트 1] [오토인코더로 이미지의 특징을 압축해보기](06-사람의_지도_없이_학습하는_오토인코더/01-autoencoder.ipynb) * [프로젝트 2] Latent 공간 탐험하기 * 더 보기 -7. [순차적인 데이터를 처리하는 RNN](07-RNN-For-Sequential-Data) - RNN을 활용하여 영화 리뷰 감정 분석과 기계번역을 해봅니다 +7. [순차적인 데이터를 처리하는 RNN](07-순차적인_데이터를_처리하는_RNN) - RNN을 활용하여 영화 리뷰 감정 분석과 기계번역을 해봅니다 * [개념] RNN 기초 - * [프로젝트 1] [영화 리뷰 감정 분석](07-RNN-For-Sequential-Data/01-text-classification.ipynb) - * [프로젝트 2] [Seq2Seq 기계 번역](07-RNN-For-Sequential-Data/02-sequence-to-sequence.ipynb) + * [프로젝트 1] [영화 리뷰 감정 분석](07-순차적인_데이터를_처리하는_RNN/01-text-classification.ipynb) + * [프로젝트 2] [Seq2Seq 기계 번역](07-순차적인_데이터를_처리하는_RNN/02-sequence-to-sequence.ipynb) * 더 보기 -8. [딥러닝 해킹하기](08-Hacking-Deep-Learning) - Adversarial Attack +8. [딥러닝 해킹하기](08-딥러닝_해킹하기) - Adversarial Attack * [개념] Adversarial Attack 이란? - * [프로젝트 1] [FGSM 공격](08-Hacking-Deep-Learning/01-fgsm-attack.ipynb) - * [프로젝트 2] [타겟을 정해 공격하기](08-Hacking-Deep-Learning/02-iterative-target-attack.ipynb) + * [프로젝트 1] [FGSM 공격](08-딥러닝_해킹하기/01-fgsm-attack.ipynb) + * [프로젝트 2] [타겟을 정해 공격하기](08-딥러닝_해킹하기/02-iterative-target-attack.ipynb) * 더 보기 -9. [경쟁을 통해 성장하는 GAN](09-Generative-Adversarial-Networks) - GAN을 이용하여 새로운 패션 아이템을 만들어봅니다. +9. [경쟁을 통해 성장하는 GAN](09-경쟁을_통해_학습하는_GAN) - GAN을 이용하여 새로운 패션 아이템을 만들어봅니다. * [개념] GAN 기초 - * [프로젝트 1] [GAN으로 새로운 패션아이템 생성하기](09-Generative-Adversarial-Networks/01-gan.ipynb) - * [프로젝트 2] [Conditional GAN으로 생성 컨트롤하기](09-Generative-Adversarial-Networks/02-conditional-gan.ipynb) + * [프로젝트 1] [GAN으로 새로운 패션아이템 생성하기](09-경쟁을_통해_학습하는_GAN/01-gan.ipynb) + * [프로젝트 2] [Conditional GAN으로 생성 컨트롤하기](09-경쟁을_통해_학습하는_GAN/02-conditional-gan.ipynb) * 더 보기 -10. [주어진 환경과 상호작용을 통해 성장하는 DQN](10-DQN-Learns-From-Environment) - 간단한 게임환경 안에서 스스로 성장하는 DQN 에이전트를 만들어봅니다. +10. [주어진 환경과 상호작용을 통해 성장하는 DQN](10-주어진_환경과_상호작용을_통해_학습하는_DQN) - 간단한 게임환경 안에서 스스로 성장하는 DQN 에이전트를 만들어봅니다. * [개념] 강화학습과 DQN기초 * [팁] OpenAI Gym - * [프로젝트 1] [카트폴 게임 마스터하기](10-DQN-Learns-From-Environment/01-cartpole-dqn.ipynb) + * [프로젝트 1] [카트폴 게임 마스터하기](10-주어진_환경과_상호작용을_통해_학습하는_DQN/01-cartpole-dqn.ipynb) * 더 보기