Coursera

강좌명Neural Networks and Deep Learning by deeplearning.ai강좌 선택 이유코세라에서 인기있는 강의였고, 한글 자막이 있기 때문이다.강좌 수강 계기딥러닝에 대해서는 한 번 수업을 들은 적이 있다. 하지만 기억에 잘 남지 않는다. 이

Deep learning신경망 학습을 일컫는 말이다. 집값을 예측하는 예제로 설명한다.만약, 가격 price를 예측하는 데 4가지 x인 size, bedroom, address, school quality가 있다고 가정한다.이 x값들을 신경망의 input으로 지정하고,

로지스틱 회귀를 통해 아이디어를 전달한다.고양이 사진으로 예를 들어본다. 이미지를 인식하기 위해서 고양이일때는 1, 고양이가 아닐 때는 0으로 레이블을 출력하려고 한다. 이미지를 저장하기 위해서는 R,G,B 채널에 대응하는 세 개로 분리된 행렬을 사용한다.RGB에 해당

복습비용함수는 파라미터 W, b가 전체 training set에서 얼마나 잘 작동하는지 측정하는 함수gradient descentJ(W,b)를 최소화하는 값을 찾을 때, training set에서 파라미터가 얼마나 잘 작동하는지 알 수 있다.j그래프로지스틱 회귀분석에서

신경망은 sigmoid unit을 쌓아 합쳐서 구성할 수 있다. image11) Input Layerx1, x2, x3 2) Hidden Layer동그라미 4개의 unit3) Output Layer동그라미 1개의 unit, y hat값을 생성하는 역할4) Activa

심층 신경망은 2가지 이상 숨겨진 층을 가지고 있는 모델이다. 신경망의 층을 세는 경우, 입력값의 층을 세지 않는다. 결과값 그대로의 층의 수를 센다.image1신경망의 크기가 단순이 큰 것보다 깊고, 숨겨진 레이어가 많은 것이 중요하다.음성인식 시스템을 만들 때 숨겨