DL

딥러닝 개념에 대한 간단한 설명과, 딥러닝의 모델구조에 대해서 설명하고자 한다. 본격적인 딥러닝 모델에 대해 뜯어보기 전에 큰 줄기를 잡아가고자 정리하게 되었다! 딥러닝 개념 머신러닝의 하위 분야로서 신경망을 활용한 자동 학습 기법 머신러닝은 통계 기반의 알고리즘 모

📚 PYTORCH 과거 facebook에서 개발한 프레임워크 Tensor(텐서)라는 개념을 기반으로 함 Numpy(넘파이) 배열과 유사하지만, 딥러닝에 최적화된 다양한 기능을 제공 GPU 가속을 지원하여 더 빠른 연산 수행 가능 > 텐서를 GPU로 연산할 수 있도록

딥러닝에서 활성화 함수(Activation Function) 란, 모델이 복잡한 비선형 관계를 학습할 수 있도록 하기 위해 사용 하는 함수이다. 그림처럼 입력으로 들어온 데이터를 활성 함수를 거쳐서 출력을 하게 되는 흐름을 가진다. 그 종류로는 시그모이드, 하이퍼

손실함수(Loss function)는 딥러닝 모델을 학습할 때 정답값과 예측값의 오차를 계산해주는 함수이다. 🌻 딥러닝 모델 학습 프로세스이미지 출처 | 고려대학교 DMQA 연구실➡️ 신경망 모델을 통과하고, 활성화 함수를 통과해서 최종적인 결과값이 산출되었음.➡️

손실함수에서 구한, 손실값이 적도록 값을 조정하는 과정을 최적화(Optimization)바로 그 조정 방법을 정의한 것이 옵티마이저(Optimizer) 이다.최적화 원리와 옵티마이저로 활용되는 대표적인 알고리즘 -> 경사하강법 SGD AdamGD의 단점 -> 데이터의

딥러닝이 어떻게 구현되는지에 초점을 맞춰 실습 예제를 수행해 보았습니다.사용한 데이터셋은 Kaggle 이커머스 데이터셋입니다.회귀 분석에 활용할 만한 컬럼을 Avg. Session Length | Time on App | Time on Website | Length o