MS AI School Day 26

https://awesome-python.com/

1. DL

• 역사
• Framework

2. 신경망 (Neural Network)

3. 인공 뉴런 (Artificial Neuron):

인공 뉴런은 생물학적 뉴런의 작동 원리를 모방한 간단한 수학적 모델입니다. 인공 뉴런은 여러 입력값을 받아들이고, 가중치를 곱한 후, 활성화 함수를 통해 하나의 출력값을 생성합니다. 인공 뉴런의 목적은 특정 패턴이나 데이터를 학습하고 인식하는 데 도움이 되는 가중치와 활성화 함수를 조절하는 것입니다.

4. 인공 신경망 (Artificial Neural Network):

인공 신경망은 인공 뉴런들이 서로 연결된 복잡한 구조로, 뇌의 신경망을 모방하여 데이터를 처리하는 알고리즘입니다. 인공 신경망은 입력층, 은닉층, 출력층으로 구성되며, 각 층에는 여러 개의 인공 뉴런이 있습니다. 인공 신경망은 다양한 패턴을 학습하고 인식할 수 있는 강력한 머신러닝 기법 중 하나입니다.

• 공통점:

1) 인공 뉴런과 인공 신경망 모두 인간 뇌의 신경 구조와 작동 원리를 모방한 알고리즘입니다.

2) 두 기술 모두 학습을 통해 가중치를 조절하고, 패턴이나 데이터를 인식하고 처리하는 데 사용됩니다.

• 차이점:

1) 인공 뉴런은 단일의 처리 단위로, 입력값을 받아 하나의 출력값을 생성하는 반면, 인공 신경망은 다수의 인공 뉴런이 서로 연결되어 복잡한 구조를 형성합니다.

2) 인공 신경망은 인공 뉴런을 기반으로 하지만, 그 구조와 처리 능력은 더욱 복잡하고 강력합니다. 인공 신경망은 딥러닝 등 고급 머신러닝 기법에서 널리 사용되며, 이미지 인식, 자연어 처리 등 다양한 분야에 적용되고 있습니다.

5. 완전 연결 계증 (Fully-connected Layer)

6. 신경망의 활용

1) 회귀
2) 분류

7. DL을 위한 수학

8. 신경망 데이터 표현

텐서
2D
3D
4D
5D

9. 신경망 구조

10. Keras