모두를 위한 Deep Learning 시즌 1 -개념보충학습

What is Machine Learning? Explicit Programming : 핸드폰의 어플리케이션과 같이 특정 상황에 특정행동을 하는 프로그램. 문제점: 경우의 수가 너무 많은 프로그램일 경우 명확한 한계가 존재 Ex) Spam Filter : 스팸, 햄

Linear Regression은 다음과 같은 방식으로 데이터가 주어진다. x는 예측을 하기위한 기본적인 자료로 주어지고, y에 해당하는 score는 예측할 대상이다. 이 때 회귀의 특징은 예측할 대상인 y가 연속적으로 넓은 범위(예시에서는 0~100)이 주어진다는 것

Linear Regression의 모델링 함수 H(x)와 손실함수 cost(x)의 복습: H(x)가 주어졌을 때, 실제의 y값과의 차를 이용한 손실함수를 이용해서, W, b의 값을 구해준다. 이 때, 어떠한 방식으로 값을 구할 수 있을까?b= 0으로 가정한, y=x라는

복습Multi-Variable Regression 예시다음과 같이 여러개의 특성(quiz1점수, quiz2점수, 중간고사 점수) 등이 주어지고 기말고사 점수를 예측하는 경우, Multi-variable Regression을 이용해서 계산하게 된다. 즉, 여러가지 변수

궁극적인 목표 : Neural Network + Deep learning 에 대한 이해 -> Logistic Classification은 선행개념이자 기초 지식 Logistic Classification 배경 지식: 모델 함수 : f(x) = W * x + b

Multinomial classification 문제를 해결할 수 잇는 Classification 방법기존 방법 : n개의 분류를 해주고 싶을 경우 n개의 기준선(Logistic Classification을 만들어줘서 문제를 해결해야 함.Softmax Classific

Large Learning Rate : 큰 step으로 경사하강법을 함 ( Overshooting 발생 - 큰값으로 증가, 발산)Small Learning Rate : 너무 작은 step으로 경사하강법을 함 ( takes too long, stops at local m

최종 목표 : 우리가 수행해야 하는 일들 중 복잡한 일들, 생각이 많이 필요한 일들을 처리하기 위해 인공지능을 개발. 인간의 뇌구조를 이용한 Deep Neural Net을 만들려고 함 문제점: 뇌가 매우 복잡하게 연결되어있음, 연결된 부분들을 보면 Neuron이라고 불

딥러닝의 역사 Back Propagation 문제점 Back Propagation은 몇개의 Layer로 이루어진 인공신경망 모델에서는 효과가 있으나, 다양한 Layer로 되어있는 모델에서는 효과를 발휘할 수 없었음. 번외 : CIFAR 돈이 되지 않더라도 금전적으

하나의 Layer로만 학습할 수 없었던 XOR 문제다양한 Layer로 이용해서 학습할 수 있음을 밝혀냄. Weight 과 Bias를 어떻게 값을 정해줘야할 것인지가 중요모델 :해결 과정해결할수 있음을 알 수 있음미분 기본식 : 미분이란 : 어떤함수에서 순간변활율을 구하

Concept : 입력을 나눠서 학습하고 합치는 방식으로 추론하는 모델Ex) 고양이가 사물을 인지할 때, 부분을 다른 뉴런을 쓰고 합치는 것에서 착안함.이미지가 입력으로 주어졌을 때 이미지를 부분으로 나눠서 학습하고, 최종적으로 Label 을 추론할 수 있도록 하는 방

Activation Function Activation Function : 특정 값을 넘어가거나 도달하면,

Sequence Data란? : 시리즈 데이터로 앞선 데이터가 뒤의 데이터의 영향을 미치는 데이터를 말한다. 예를 들어서 음성어와 자연어처럼 단어만 이해한다고 전체를 이해할 수 없고, 앞선 단어와 뒤의 흐름까지 명확하게 이해해야 전체를 이해할 수 있는 데이터들을 말한다