무엇을 배웠나

Day 01

• sigmoid 함수의 정의
• keras 기본 문법
• 멀티클래스 분류
• softmax 함수
• 모델링 기본
• mini-batch와 update

Day 02

• Hidden Layer
• optimizer = 'adam' -> 드디어 알게됨!ㅋ
• 성능향상 기본
• ANN과 파라미터
• ML과 DL의 차이
  - 친구가 어제 면접을 보고 왔는데 이걸 물어봤다고 했다 생각해보면 아주 기초적인 내용이지만 막상 답하긴 어려운 문제였는데 이제 말할 수 있게 됨
• MNIST 들어감 : 이미지 계의 "Hello World"
• actiavation functions

Day 03

• Epoch 정의와 사용법
• 노드의 의미 -> 직관적으로!
• 레이어의 깊이와 노드의 개수를 조절하자
• Functional API 사용법
• Scaling
• loss & accuracy
• validation
• One-hot Encoding

Day 04

• Connection
• Locally connected -> CNN 기본
• compile
• Early Stopping

무엇을 느꼈나

딥러닝을 연결주의 관점에서 배울 수 있었다!
정말 아무것도 모르고 코딩해왔구나 싶었고 많이 알아간 만큼 앞으로 써먹어야지 라는 다짐을 했다.
근데 한편으로는 ML/DL은 데이터에 의존하는 경향이 내 생각보다 더 크다는 생각도 함