DeepLearning
1.[Deep Learning] 딥러닝?
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 🌺 AI, Machine Learning, Deep Learning Artificial Intelligence, 즉 인공지능은 인공장치들의 지능을 설계하는 것이다. 이때 지능은 인간이 행
2.[Deep Learning] Tensor
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 🍓 Tensor? Tensor는 Neural Network 학습의 기본 데이터 단위이다. Numeric(수치형) 데이터를 담기 위한 Container이다. 텐서는 임의의 차원 혹은 Ran
3.[Deep Learning] Gradient Descent
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 🎈 Gradient Descent 변화율 f(x) = y 라는 연속적인 함수에서 x를 epsilonx만큼 증가시키면 y가 epsilony만큼 바뀌게 된다. f(x + epsilonx)
4.[Deep Learning] Optimization Method
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 🧸 Stochastic Gradient Descent 실제 신경망에서는 파라미터의 개수가 수천 개보다 적은 경우가 거의 없고, 수천만 개가 되는 경우도 종종 있기 때문에 이 전 포스트에서
5.[Deep Learning] Backpropagation
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 🌈 Forward Propagation 함수형 모델의 학습 원리는 이전 포스팅에서 설명한 Gradient Descent이다. Parameter Update를 하기 위해 각 파라미터들의 편
6.[Deep Learning] 신경망 구조
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 🎀 Layer 층은 하나 이상의 텐서를 입력으로 받아 하나 이상의 텐서를 출력하는 데이터 처리 모듈이다. 대부분의 층은 weight, 가중치라는 층의 상태를 가진다. 가중치는 전 포스팅에서
7.[Deep Learning] IMDB 이진 분류
📖 케라스 창시자에게 배우는 딥러닝 (프랑소와 숄레, 박해선, 길벗) 참고 IMDB 데이터셋은 인터넷 영화 데이터베이스로부터 가져온 5만 개의 리뷰들로, 25000개의 훈련 데이터, 25000개의 테스트 데이터로 나뉘어 있고 각각 50%의 부정 리뷰, 50%의 긍정
8.[Deep Learning] MNIST Categorical Classification
📖 시작하세요! 텐서플로 2.0 프로그래밍 (김환희, 위키북스) 참고 MNIST는 손으로 쓴 숫자 글씨를 모아놓은 데이터세트이다. 흑백 이미지이고 범주가 10개로 구성되어 있으며 28 * 28 픽셀이다. 데이터 불러오기 위 코드로 데이터 중 하나를 이미지 형태로
9.[Deep Learning] Regression Analysis
📖회귀는 연속적인 값을 예측하는 것이다.보스턴 주택 가격 데이터셋은 1970년 중반 보스턴 외곽 지역의 범죄율, 지방세율 등을 포함한 데이터셋으로 총 506개의 데이터포인트를 가지고 있다.각 특성들은 스케일이 서로 다르다. 0 ~ 1 사이의 비율을 나타내는 특성도 있
10.[Deep Learning] 머신러닝 기본 요소
📖 머신러닝 분류 지도 학습 머신러닝에서 가장 흔한 경우로 샘플 데이터가 주어지면 알고 있는 타깃에 입력 데이터를 매핑하는 방법을 학습하는 것이다. 광학 문자 판독, 음성 인식, 이미지 분류, 언어 번역 같은 딥러닝의 애플리케이션이 지도 학습에 속한다. 지도 학습
11.[Deep Learning] Overfitting, Underfitting
📖 🌸 Optimization & Generalization Optimization(최적화)는 가능한 훈련 데이터에서 최고의 성능을 얻기 위해 모델을 조정하는 과정, 즉 머신러닝이 학습하는 과정이다. Generalization(일반화)는 훈련된 모델이 이전에 본
12.[Deep Learning] Data Preprocessing
📖신경망에서 모든 입력과 타깃은 부동 소수 데이터로 이루어진 텐서여야 한다. 처리해야 하는 데이터를 텐서로 변환하는 단계를 데이터 벡터화라고 한다. 데이터의 각 특성들이 범위가 제각각이면 학습에 영향을 주기 때문에 비슷한 범위를 가지도록 처리해주어야 한다. 정규화를