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.
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 learning이란 input x를 가지고 output y를 얻도록 함수를 학습시키는 것이다.
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
딥러닝이 값자기 인기를 얻을 수 있었던 이유는 다음 3가지 때문이다.
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