Deep Learning
-
정의: 사람에 의해서 가공된 데이터를 입력하는 것이 아닌 가공되지 않은 데이터를 입력받아서 결과 도출
-
데이터 표현(계층적 관계로, 1~4번으로 내려갈 수록 사람 개입이 커짐)
1.분자형태: 가공을 거치지 않은 데이터
2.이미지; 조금 가공된 시각적 표현
3.표 : 데이터가 갖고 있는 특징을 기반으로 열을 만들어서 나타냄
4카테고리: 사람이 의도적인 정리를 위해서 표현
목표: 사람의 개입 없이 내재적 표현을 도출시키는 거
- 신경망
함수이다! 왜냐하면 본질은 입력, 내부연산,출력 구조를 갖기 때문이다
- 선형대수 개념
-Linear Transformation: 간단하게 말하면 행렬의 곱 연산
-Transformation: vector을 입력받아 출력
2차원 명면에서 축을 옮기거나 휘게 혹은 꼬이게 하는 등 즉, 변형이 가능하다고 할 수 있다
- 함수이용
1.One to one
:입력값과 출력값이 모두 스칼라인 경우
:회귀문제
2.Many to one
: 여러개의 입력값과 하나의 출력값
: 회귀문제
3.Many to Many
:입력값과 출력값이 모두 벡터
:분류문제
- 함수와 모델의 차이점
함수는 그래프나 점에대한 정보를 주는 반명
모델은 데이터 기반으로 모든 변수를 생각하고 추출
- 함수를 찾는 과정
1.어떤 모델로 함수를 표현할 것인가
당연히 경우에 따라서 * 모델 이용파트에서 본 3개중 하나를 이용한다. 왜냐하면 우리가 볼 데이터는 비정형 데이터이기 때문이다.
2.최적의 함수를 찾아라
모델을 정했다면 그 모델이 그리는 공간이 있을거고 그 속에서도 수많은 경우들이 있을것이다 그중 가장 적합한 것을 찾는 것이 임무이다
보통 딥러닝은 Gradient Descent를 다룬다
