Deep Learning 개요

레이어수 증가

대표적 프레임워크

• 텐서플로우
  • 구글, 핵심코드가 C++로 작성
  • 직관적인 고수준 API
  • 뛰어난 이식성 및 확장성
• 케라스
  • 직관적이로 쉬운 API
  • TensorFlow의 백엔드로 활용
  • 동일한 코드로 CPU, GPU에 실행 가능
• 파이토치
  • 페이스북
  • C/CUDA Backend사용
  • GPU가속연산

신경망

• 인공지능 분야에서 쓰이는 알고리즘

• 인간의 뇌 구조를 모방
  뉴런과 뉴런사이에는 전기힌호를 통해 정보 전달
  

• 입력(inputs)과 가중치(weights)를 곱한 선형구조(linear)

• 활성화 함수(activation funcion)를 통한 비선형 구조(non-linear)표현 가능

인공뉴런vs인공신경망

• 인공 뉴런으로 인공 신경망을 만들고 InputLayer, HiddenLayers, outputLayer가 있다

• 인공뉴런(Artificial Neuron)

  • 노드(Node)와 엣지(Edge)로 표현
    • 하나의 노드안에서 입력(inputs)와 가중치(Weights)를 곱하고 더하는 선형(Linear)계산
    • 활성화 함수(Activation Function) 통과를 모두 포함
  • 인공 신경망(Artificial Neural Network)
    • 여러 개의 인공뉴런들이 모여 연결된 형태
    • 뉴런들이 모인 하나의 단위를 층(Layer)이라고 하고,
      여러 층(Layer)으로 이루어질 수 있음
    • Ex) 입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)

완전 연결 계층(Fully-Connected Layer)

• 모든 노드들이 서로 연결된 신경망
• Dense Layer라고도 불림

• 위 그림에서
  • 입력 노드 3개
  • 은닉층1 노드 4개
  • 은닉층2 노드 4개
  • 출력층 노드 1개
    총 3x4x4x1 = 48개의 선으로 연결

신경망의 활용

회귀(Regression)

• 잡음(Noise)을 포함한 학습 데이터로부터 어떤 규칙을 찾고 연속된 값의 출력을 추정

• 아래의 식을 만족하는 적절한 a(기울기), b(y절편)를 찾아야함
  Y = aX + b

  • X: 입력
  • Y: 출력
  • a: 기울기
  • b: y절편

• 회귀문제 예시

  • 나이, 키, 몸무게에 따른 기대수명
  • 아파트의 방의 개수, 크기, 주변 상가 등에 따른 아파트 가격
    

• 적절한 Linear를 찾을 수 있다

분류(Classification)

• 입력값에 따른 특정 범주(category)로 구분하는 문제
  분류 곡선(직선)을 찾아야 함

• 범주의 개수에 따라서 이진 분류(Binary Classification),
  로지스틱 회귀(Logistic Regression)->선형회귀와 비슷하지만, 범주형 데이터를 분류하는 방향으로 선을 그음

  • 면접 점수, 실기점수, 필기점수에 따른 시험 합격 여부
    

• Multi-Class Classification