KT 에이블 딥러닝

마농·2023년 3월 28일
0

kt 에이블 일기

목록 보기
4/8

벌써 딥러닝!!

배운 것

Model

데이터로부터 패턴을 찾아
수학식으로 정리해 놓은 것
모델링 : 오차가 적은 모델을 만드는 과정

모델의 목적

샘플을 가지고 전체를 추정
• 샘플 : 표본, 부분집합, 일부, 과거의 데이터(우리가 들고 있는 데이터!)
• 전체 : 모집단, 전체집합, 현재와 미래의 데이터
• 추정 : 예측, 추론

모델링을 위해 필요한 것 두가지 - 1. 데이터

✓Train
▪ 모델 학습 시 사용
▪ 데이터가 많을 수록 좋기는 하나, 데이터가 크면 학습 속도가 떨어짐.(Trade-off)

✓Validation
▪ 검증용 : 학습한 모델의 일반화 성능을 검증하기 위한 용도

✓Test
▪ 모델에 대한 최종 평가용
▪ 처음부터 떼어 놓고, EDA, 모델링 등의 단계에서 전혀 사용하지 않았어야 함.
▪ Data Pipeline 을 통해 전처리, 예측, 평가로 막힘없이 흘러가는지 확인.

딥러닝 개념 - 학습 절차

1.가중치 초기값을 할당합니다. (초기 모델을 만든다.)
2.(초기)모델로 예측한다.
3.오차를 계산한다. (loss function)
4.오차를 줄이는 방향으로 가중치를 조금 조절한다.(optimizer)
5.얼마만큼 조절? : learning_rate
6.다시 처음으로 가서 반복한다.(epoch)

딥러닝 전처리: 스케일링

딥러닝은 스케일링을 필요로 함

  • 방법 1 : 정규화 -> 모든 값의 범위를 0~1로 변환

  • 방법 2 : 표준화 -> 모든 값을, 평균 = 0, 표준편차 = 1 로 변환

활성화 함수

현재 레이어(각 노드)의 결과값을 다음 레이어(연결된 각 노드)로 어떻게 전달할지
결정/변환해주는 함수

활성화 함수가 없으면??
히든 레이어를 아무리 추가해도 그냥 선형회귀(선형함수)
그래서 활성화 함수는…
Hidden Layer에서는 이런 선형함수를 비선형 함수로 변환해 주는 역할
Output Layer에서는 결과 값을 다른 값으로 변환해 주는 역할
Output Layer 에서 Activation Function은 분류Classification 에서 필요합니다.

딥러닝 소감

데이터 분석까지는 강의 듣고 스스로 공부하면 이해가 되었는데 머신러닝에서 부터 혼자서 공부해야할 시간을 조금 늘려야 할 것 같다... 그래도 강사님들, 1:1 튜터님들 모두 너무 친절하게 알려주셔서 감사하당!!! 앞으로도 모르는게 있다면,, 바로바로 질문을 통해 해결하며 머신러닝과 딥러닝도 마스터 해야겠다!! 그리고 딥러닝과 시각지능 딥러닝, 언어지능 딥러닝을 다 배우고 미프가 남아 있는데 조원들과 미니 프로젝트를 통해서 더 잘 이해할 수 있을 것 같아서 미니 프로젝트가 기다려 진당 :) 화이팅!!

profile
Data.AI

0개의 댓글