딥러닝

딥러닝 역사

best 모델이면 측정을 한다

<하단> 딥러닝

(초기인공지능)if,for 사람이 규칙만듭니다.
의존도가 높습니다.

(머신러닝) > 사람이 특성선택
데이터가 부족하면 머신러닝이 낫다 시간도 적게들어간다

(딥러닝) feature engineering이
거의 필요없다. 사람의 개입 최소화
데이터가 많아야한다.
컴퓨터비전, 음성인식, 자연어처리, 신호처리
패턴찾기가 힘들다면 딥러닝

Keras 가 편의성을 높였습니다.
수준이 올라가면 텐서플로, 파이토치를 활용하면 되겠습니다.

• 가상환경 (로컬사용시)
  

뼈대가 있고 하나하나 쌓아 나가는것

y=wx+b
w-파라미터

shape이 2라면 2개 설정 공부시간 & 잠자는시간

(모델은 선형모델이 있기때문에 자기만의 의견을 만듭니다.)

사람처럼 느슨한 사고력을 가질 수 있습니다.

각 뉴런마다 모든 데이터를 전달합니다
각 뉴런마다 입력값을 넣어주고 자기만의 답이 각각 나옵니다.
1뉴런 값 (가중치, 절편으로 나온값) 2뉴런 값을 각각 뉴런에 전달합니다.
모든 뉴런이 값을 전달한다고 쳤을떄
1,2뉴런이 8개라면

1 들어가서 8개 값으로 분해해주는 효과
2 뉴런이 받음 각 8개 뉴런이 8개씩 받음
요약하는과정 - 이해도가 👍 - 은닉층

loss - 평균제곱오차
loss - 내가 원하는 오차함수 넣으면 됩니다
손실함수 파악

교차검증

딥러닝은 하지않지만 데이터 뽑아서 검증정도는 합니다.