https://futurelab.creatorlink.net/
Neural Network 작동 원리
1. data에 대한 이해 - vectorization
컴퓨터가 딥러닝 연산을 하기 위해서는 비정형 데이터를 컴퓨터가 연산할 수 있도록 '수치화'하는 과정이 필요함.
이렇게 수치화된 데이터들을 matrix 형태로 보관/처리하는 것을 vectorization이라고 함.
ex ) input : 이미지 -> 픽셀을 통해 수치화
output : cat / no cat -> binary classfication (1 or 0)
2. neural network의 작동과정
1) parameter weight(W),bias(b) 를 정함
2) 예측값 y_hat 을 구함
3) 우리가 구한 예측값 y_hat과 실제값 y의 차이를 비교하여 모델을 평가하는 cost/loss function 구함
4) Backward propagtion을 이용해 gradient값을 구함
5) gradient descent : W,b를 계속 update하는 과정을 통해 최적의 model을 찾음
3. numpy (실습)
-
정의: 벡터, 행렬 연산을 위한 수치 해석용 python 라이브러리
-
장점: 빠르다, 편하다, vectorization을 위해 행렬을 다뤄야 함
-
특징: data science 라이브러리의 90%가 내부 구조 numpy로 되어있으며, 특히 tensorflow와 아주 유사
-
라이브러리를 외운다기보다 적재적소에 잘 찾기는 능력이 중요, 함수 볼 때마다 찾고 공부할 것
1) numpy.dot / np.dot()
2) numpy.sum / np.sum()
3) numpy.ndarray.shape / X.shape
4) numpy.ndarray.T / X.T
5) numpy.ndarray.reshape / X.reshape()
6) numpy.exp / np.exp()
7) numpy.multiply / np.multiply()
8) numpy.arange / np.arange()