1강. 1.1절 인공지능,머신러닝,딥러닝
- 인공지능의 역사
- 인공신
- 머신러닝은 인공지능의 하위 분야입니다. (소프트웨어와 관련 됨)
- 머신러닝 부분 sckikit-learn, (python 라이브러리 사용함.)
- 딥러닝은 인공신경망이다. (TensorFlow,pythoch)
2강. 1.2절 코랩과 주피터 노트북 손코딩 준비하기
- 코랩 설명
3강. 1.3절 마켓과 머신러닝
4강. 2.1절 훈련세트와 테스트 세트로 나누어 사용하기
-
지난 시간 복습
도미와 빙어 비교
산점도 그리기
훈련 : fit
평가 : score
예측은 : predict 사용함. -
완벽한 보고서
test데이터를 따로 만들거다. -
머신러닝의 종류 (지도학습, 비지도학습)
지도학습 : 훈련데이터와 타겟데이터를 사용해서 학습하는 데이터 (k최근접이웃)
비지도학습 : 입력만 가지고 있을때 ,비슷한 샘플들끼리 모은다. (6장)
강화학습 : 모델이 행동을 하고 주변환경에 피드백 받아서 개선해 나아가는 알고리즘 -
훈련 세트와 테스트 세트
가장 좋은 방법은 데이터 많이 구해라. -
샘플링 편향
-
넘파이 사용하기
파이썬의 대표적인 배열 라이브러리. -
데이터 섞기
입력과 타겟이 함께 섞여야 한다.
index=np.arange(49)
np.random.shuffle(index)- 데이터 나누고 확인하기
5강. 8.절
6강. 8.절
7강. 8.절
8강. 8.절
9강. 8.절
10강. 8.절
11강. 8.절
12강. 8.절
13강. 8.절
14강. 8.절
15강. 8.절
16강. 8.절
17강. 8.절
18강. 8.절
19강. 8.절
20강. 8.1절
21강. 8.2절
22강. 8.3절 합성곱 신경망의 시각화
무엇을 학습했는지 시각화 하기 좋다.
-
목표
특성맵을 시각화 해보자.
함수형 api를 배워보자. -
가중치의 시각화
가중치가 좋은 영역과 낮은 영역
특성맵이 이미지,도형,색갈,특성을 감지해서 출력한다
필터는 감지하고 출력한다. -
층의 가중치 분포
23강. 9장 텍스트 데이터를 이용한 감성분류를 진행하겠다.
-
순환신경망의 개념
-
순환신경망에 대한 예제
-
순차데이터 (텍스트 데이터, 시계열(날씨))
순환되는 고리가 있는 신경망이다. 자기자신에게 돌아오는 고리가 있다.(재사용된다.)
앞 타임스텝의 샘플의 약간의 정보를 가질 확률이 있다.
타임스텝 A,B,C
셀이 층이다. -> 셀의 출력 값은 : 은닉상태, 은닉층(신경망 층에서 출력되는)
활성화 함수사용. (tanh:1 ~ -1)
타임스탭으로 펼친다. 순환되는 은닉 상태를 잘 표시할 수 있음.
타입스탭에 따라서 가중치를 공유하기도 한다. 모델 파라미터를 효율적으로 사용한다.
순환신경망의 은닉상태는 마지막 타임스텝의 은닉상태만 출력된다.
-
다층 순환 신경망
2개 이상 타임스텝을 쌓는다면 달라진다. 마지막 타임스텝의 은닉상태만 출력된다.(이전의 타임스탭의 정보가 많을거다.) 그 전의 모든 순환 신경망의 타임스텝은 모든 타임스텝의 은닉상태를 출력한다. -
순환신경망을 사용한 예측
합성곱신경망과 달리 1차원 배열을 그대로 사용할 수 있다. flatten 사용할 필요 없음.
