Week1. Introduction to Deep Learning

What is Neural Network?

뉴럴 네트워크란 n개의 input(X)가 주어졌을 때, 특정한 함수의 계산을 수행하는 뉴런(노드)으로 값이 전달되고 특정한 함수(모델)이 그 input의 특징을 스스로 학습하며 output(Y)를 예측하는 구조의 예측방법이다.

Example: 부동산 가격 예측

X(feature): 예시에서는 집의 크기, 방의 갯수, 우편번호 등이 사용될 수 있다.
node: input값을 받아 특정한 함수의 계산을 수행해 input의 특징을 스스로 학습한다. 예시에서는 family size, walkability 등의 특징을 학습을 통해 알아낸다.
Y: 모델의 예측을 통해 구해진 값으로 예시에서는 "부동산 가격"이다.

Supervised Learning with Neural Networks

supervised learning이란 input x를 가지고 output y를 얻도록 함수를 학습시키는 것이다.

Examples.

Structured Data vs. Unstructured Data

Structured Data(정형데이터): database에 들어갈 수 있는 데이터
ex) 집의 크기, 인구수, 등등
Unstructured Data(비정형데이터): database에 들어갈 수 없는 데이터
ex) 오디오, 이미지, 텍스트

Why is deep learning taking off?

딥러닝이 값자기 인기를 얻을 수 있었던 이유는 다음 3가지 때문이다.

• 데이터
• 계산 능력(computation)
• 알고리즘
  

정답을 가지고 있는 데이터(labeled data)의 양이 많아 졌고 데이터를 처리할 수 있는 계산능력(하드웨어)가 가능해졌고, 데이터 양에 맞는 큰 모델을 설계할 수 있었기 때문에 딥러닝이 인기를 얻을 수 있었다.

강의 링크: https://www.coursera.org/learn/neural-networks-deep-learning