해당 책으로 스터디를 진행하였다.
첫 1장은 딥러닝 개요부분이라 각자 읽어보는걸로 하고 넘겼다.
2장에서는 신경망의 수학적 구성 요소를 다루었다.
예전에 딥러닝 프로젝트를 클론코딩과 유사한 형태로 해보았었는데, 그 때의 경험이 이해하는데 큰 도움이 되었다.
해당 책 2장에서 기억에 남는 부분은
시계열 데이터는 3D 텐서, 흑백 이미지는 2D 텐서, 컬러 이미지는 3D 텐서, 동영상은 5D 텐서로 저장된다는 점과
미니배치 방식은 비복원 추출인데 왜 비복원 추출이 더 빠르게 수렴하는 것인가 였다.
그렇게 스터디에서 토론한 결과 만약 1 ~ 10 까지의 데이터 중 3개를 학습 시킨다고 가정할 때 1 2 3 보다는 1 5 10이 더 빠르게 수렴한다고 한다.
그렇기 때문에 복원 추출의 경우 보다 비복원 추출의 경우가 더 빠르게 수렴할 수 있다고 한다.
1일차 에서는 내가 발표가 아니었지만, 2일차 발표는 내가 발표를 해야한다.
최선을 다해 준비해야겠다.