[DLS] Deep Learning Specialization
1.[DLS] Neural Networks and Deep Learning week 1
Andrew said..AI는 Electricity와 같다.물류, 제조, 헬스, 소통.. etc. 모든 방면에서 새로운 패러다임의 전환을 일으킬 것What you'll learnNeural Networks and DeepLearningImproving Deep Neur
2.[DLS] Neural Networks and Deep Learning week 2
귀여운 고양이 사진을 보고, 고양이인지(1) 아닌지(0) 판별하고 싶다.이미지는 RGB의 color channels을 갖기 때문에 다음과 같은 형태로 컴퓨터에게 전달된다. 이를 다음과 같은 형태로 squeeze하여, 12288짜리 features를 만들어 y로 mapp
3.[DLS] Neural Networks and Deep Learning week 3
Notation은 다음과 같이 쓸 예정이다.Each of X training set : $x^{(i)}$\\2 layer NN에 대한 Architecture는 다음과 같다.Input layer와 Output layer 사이에 존재하는 layer를 Hidden laye
4.[DLS] Neural Networks and Deep Learning week 4
Deep Neural Network Deep L-layer Neural network NN of deep layers is better than NN of shallow layer Hidden layer를 깊이 쌓을수록 성능이 좋아진다는 점이 실험적으로 증명되어 왔
5.[DLS] Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization week 1
한 application이 다른 application에 곧바로 transfer 되는 것은 아니다.각 분야에 맞는 things가 있고, iterative cycle을 통해 good choice를 찾게 되면 quick faster하게 만들 수 있다.Previous
6.[DLS] Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization week 2
Batch의 sample shape이 ($n_x, m$)이고 $m=5,000,000$이라 가정해보자.이제 5,000개의 sample씩 잘라서 mini-batch를 만들고, ${t}$ notation으로 1,000번을 반복하여 gradient를 구하는 방법을 나타내 볼