• 딥러닝이란? 인간의 뉴런, 신경망을 모방하여 데이터를 학습 및 예측하는 기술
• 퍼셉트론(perceprtron): 딥러닝을 구성하는 가장 작은 단위
  (퍼셉트론 = 선형모델 + 활성화함수 activation)
  

1. 신경망 구조 설계 🦔

1. 뼈대생성
2. 입력층 -> 입력하고자하는 데이터에 따라 변경
3. 중간층 (은닉층)
4. 출력층-> 출력하거자하는 데이터에 따라 변경

2. 신경망 학습방법 및 평가방법 살계

3. 모델 하습

4. 머델 평가

활설화함수 -> 중간층, 출력층 활용도가 다름! 🦥

중간층 : 활성화/비활성화 (역치)

• 초기: stepfunction (게단함수) -> sigmoid변경
  왜? 최적화알고리즘 (optimizer)을 진핸하는 과정에서 경사하강법을 적용하기 위함 (미분을 하디 위해서는 기울기가 필요)

  출력층: 출력하고자하는 데이터의 형태를 지정

• 회귀: linear(항등함수, y = x)선형모델이 예측한 값을 그대로 출력 default값으로 따로 적성햐줄 필요는 없음

• 이진분류: sigmoid, 선형모델이 예측한 연속형값을 0~1 이위 활률값으로 변경

• 다중분류: softmax, 클래스 개수만큼의 값을 총합이 1인 확률값으로 변경

  출력데이터 따름 units의 개수

• 회귀 : units: 1

• 이진분류 units 1

• 다중 분류 :units = 클래스의 개수만큼의 확률값

  학습방법 및 평가방법 설정/compile

  loss (오차함수, 빙요함수)

• 회귀: mean_squared_error

• 이진분류: binary_crossentropy

• 다중분류: sparse_categorical_crossentropy

  metrics (평가지표)

• 회귀: mse (평균제곱오차)

• 분류: accuracy