3. 딥러닝

딥러닝의 기초라 할 수 있는 뉴럴 네트워크와 back propagation, 함 봅시다. Neural Networks 원래 딥러닝은 1980-1990 년대에 많이 떴다. 하지만 당시에는 컴퓨팅이 충분하지 않아서 이를 현실로 옮기지를 못했다. 하지만 계속되는 발전과 매

딥러닝의 중요한 포인트.Gradient descent, Stochastic gradient descent, mini batch stochastic gradient descent.Q. Gradient Descent 알고리즘이 뭐에요?A. Gradient descent 알

https://www.jeremyjordan.me/autoencoders/ Autoencoders.

LSTM 에 대한 정리.사실 여태까지 인공신경망과 CNN, RNN 등을 다루며 이미지 데이터나 기본적인 csv 데이터를 이용한 딥러닝은 어느 정도 할 수 있다고 생각한다. 또한 GAN 도 많이 친숙하다.하지만 Time Series Data 를 다루는 모델로 ARIMA

딥러닝 모델을 다루다보면 parameter 수를 계산해보라는 과제를 종종 받아본다. 그래서 이를 계산하는 방법을 정리해봤다.Parameter 계산할때 bias 를 고려했는지 항상 한번씩 체크하도록 한다. 99% 의 네트워크들은 bias value 가 1개이기 때문에 +