모두를 위한 딥러닝

Want to understand basic machine learning (ML)No/weak math/computer science backgroundy = Wx + b (y=ax+b)Want to use ML as black-box with basic unders

How fit the line to our (training) data경사를 따라 내려가는 알고리즘이다Minimize cost functionGradient descent is used many minimization problemsFor agiven cost func

Hypothesis : H(x) = Wx + bCost function : Gradient descent algorithm작성중

시그모이드 함수는 경사하강법으로 최소점을 찾을 수 없다간단하게 코스트함수는 어떤값의 평균이니까 하나의 엘리먼트의 코스트를 구해서 평균내는걸 C함수라 합시다C함수는 두가지 경우에 따라 함수를 정의하는데 y = 1일땐 -log(H(x)) y = 0일땐 -log(1-H(x)

xy = MinMaxScaler(xy) 을 주게 되면 제일 작은값을 0 제일 큰값을 1로 줘서 그 사이를 값에 따라서 노말라이즈를 한다뇌가 굉장히 복잡하게 연결되어있다에 놀랍고, 연결된 부분부분들을 자세히 봤더니 Neuron이라 불리는 유닛이 너무 단순하게 동작이 되더

주어진 x값에 학습할 w값을 곱해서 y를 구하는걸로 시작한다.그런데 이렇게 나오는 값들은 그냥 스코어에 불과하는데 이것을 softmax function 으로 통과시키면 이것이 확률로 나오게 된다. A가 될 확률이 0.7 B가 될 확률이 0.2 C가 될 확률이 0.1 이

행렬쓰 4행 3열1차원 Array 일 경우 rank = 1, Shape = \[4]2차원 Array 일 경우 rank = 2, Shape = \[2, 2]4차원 Array 일 경우 rank = 4, Shape = \[1, 2, 3, 4]Axis 같은 경우 제일 안쪽에

간단한 예제를 가지고 어떻게 동작하는지 이해해 보자.

lec10-2: Weight 초기화 잘해보자 Cost function > ReLu를 두번 실행시키면 그래프의 값이 좀 다르게 나온다 그 이유는 실행 시킬때 W를 랜덤값으로 줘서 그런거임 Set all initial weights to 0 > W값을 다 0으로 줘

전체가 연결되어있다고 해서 FC 풀릿 커넥티드입력을 여러개로 나눈다음 하나로 합치고 앞으로 내보내는걸 생각해볼 수 있는데컴포셔널 뉴럴 네트워크 - CNN하나의 이미지가 있게 되면 이미지를 잘라서 넘기게되는데 이 창을 컴보셔널레이어 라고 한다.중간에 RELU창을 넣고 중

전체가 연결되어있다고 해서 FC 풀릿 커넥티드입력을 여러개로 나눈다음 하나로 합치고 앞으로 내보내는걸 생각해볼 수 있는데컴포셔널 뉴럴 네트워크 - CNN하나의 이미지가 있게 되면 이미지를 잘라서 넘기게되는데 이 창을 컴보셔널레이어 라고 한다.중간에 RELU창을 넣고 중

We don't understand one word onlyWe understand based on the previous words + this word. (time series)NN/CNN cannot do this우리가 사용하는 데이터중에서는 시퀀스 데이터들이 많