교육 정보
- 교육 명: 경기미래기술학교 AI 교육
- 교육 기간: 2023.05.08 ~ 2023.10.31
- 강사: 양정은 강사님
- 강의 계획:
1. 딥러닝 소개 및 프레임워크 설치
2. Artificial Neurons Multilayer Perceptrons
3. 미분 기초 Backpropagation
4. MLP 구현하기
5. MLP로 MNIST 학습시키기(Mini-project)
6. Sobel Filtering
7. Convolutional Layers
8. 이미지 분류를 위한 CNNs
9. CNN으로 MNIST 학습시키기
10. VGGNet, ResNet, GoogLeNet
11. Image Classification 미니 프로젝트
12. Object Detection 소개
13. Region Proposal, Selective Search
14. RCNN
15. Single Shot Detection
클래스
클래스가 딥러닝에서 필요한 이유
- 필요한 메소드를 커스터마이징 해서 필요할때 원하는 메소드만 불러와 사용가능하기 때문
- 객체 Object = Data + 기능
인공 뉴런 Artificial Neuron
- 인공 뉴런
- 주어진 입력에서 특정 패턴을 추출해내는 함수
EX) 이미지를 주면 강아지인지 고양이인지 출력하는 함수
- 주어진 입력에서 특정 패턴을 추출해내는 함수
Artificial Neuron의 구조
Artificial Neuron = Affine Function + Activation Function
Affine Function
- Weight와 Bias를 학습하는 과정
→ z= w*x+b
w = weights
x = input
b = bias
Activation Function
- 종류: Sigmoid Function, Tanh Function, ReLU Function ...
- Activation Function은 설계자 마음이지만 Binary Classification에서는 Sigmoid가 사용됨
Sigmoid
- 여기서 x는 Affine Value
- Affine Value가 양수일경우 Sigmoid 출력이 0.5이상 → 확률로 해석 가능
- 유의미한 구간은 -3 ~ 3 정도 (이 범위 밖은 출력 0, 1로 생각 할 수 있음)
- 단순 계산을 위한 함수 (w, b 없음)
📍 Activation 함수가 없으면 학습 결과가 1차원 직선, 2,3차원 곡선 정도로 끝남 → Activaton 함수는 더 데이터에 fit되는 결과를 얻기 위해서 꼭 필요함
Optimizer
학습률 조정 (학습 방식, Learning Rate, Momentum)
:D