# DL

26개의 포스트
post-thumbnail

합성곱신경망

합성곱 신경망과 심층신경망의 차이점 : 합성곱 신경망은 부분적으로 연결되어 있다. 따라서 고해상도의 이미지나 음성 등의 고차원적인 데이터를 인풋으로 하여도 무한개의 뉴런으로 늘어나지 않은채 학습시킬 수 있다.

2021년 3월 29일
·
0개의 댓글

심층신경망 훈련하기

심층 신경망 훈련시 나타나는 문제점 : 그레디언트 소실과 폭주

2021년 3월 29일
·
0개의 댓글

Back Propagation

역전파 알고리즘

2021년 3월 27일
·
0개의 댓글

Deep learning_ 하이퍼파라미터 튜닝

신경망에 조정해야 하는 하이퍼파라미터는 많다; 층의 개수,각 층의 뉴런 개수, 학습률, 배치크기

2021년 3월 26일
·
0개의 댓글

Deep learning_ 모델 구현

모델 저장 복원 / 콜백 / 텐서보드

2021년 3월 26일
·
0개의 댓글

Deep learning_ 구현방식

심층 신경망을 구현하는 방식에는 크게 세가지가 있다; Sequential, Functional, Subclassing API

2021년 3월 26일
·
0개의 댓글
post-thumbnail

DiffAugmentation 논문 정리

GAN을 학습시킬 때 제한된 양의 훈련 데이터가 사용될 경우, Discrimiator가 훈련 데이터를 기억하기 때문에 성능이 크게 저하되는 문제가 발생한다. 논문에서는 이를 해결하기 위해 실제 샘플과 가짜 샘플 모두에 다양한 유형의 augmentation을 적용하여 G

2021년 3월 5일
·
0개의 댓글
post-thumbnail

0.1 Symbol & Notation

책에 작성된 기호와 표현을 소개합니다.

2021년 2월 12일
·
0개의 댓글
post-thumbnail

0.0 Introduction

MML 스터디와 동시에, 공부한 내용을 주변 엔지니어에게 소개하고자 합니다.

2021년 2월 7일
·
0개의 댓글

코사인 유사도 정리

코사인 유사도는 주어진 두 벡터 사이의 유사도를 의미합니다. 간혹 두 벡터 사이의 거리라고 소개하기도 하지만 엄밀히 말하면 거리는 아니고(삼각부등식 성립이 안됩니다), 방향성이 얼마나 일치하는지를 측정하고 이를 바탕으로 유사도로 해석하는 것

2021년 1월 29일
·
0개의 댓글

예측모델 평가 지표 간단 정리

머신러닝 모델은 크게 분류와 예측의 두 가지 일을 수행하는 것으로 구분할 수 있는데, 분류에 대한 평가지표의 기초는 앞에서 먼저 다루었습니다. 이번에는 기본적인 예측모델의 평가지표(사실 ML을 조금이라도 아는분은 다 아실만한 내용입니다.)를 간단하게 정리

2021년 1월 28일
·
0개의 댓글

과적합에 대한 대응방법 몇 가지

오늘은 간단하게 이미지 문제에서 과적합 발생시 해결할 수 있는 방법에 대해서 간단하게 요약해보고자 합니다.모델 개발을 하다보면 수 없이 과적합을 만나게 됩니다. 학습을 완료한 후에 테스트셋으로 돌려보니 현격하게 성능 차이가 발생한다면 이는 과적합이 발생했다는 것으로

2021년 1월 27일
·
0개의 댓글

Feature Engineering 요약

Feature Engineering은 ML/DL 알고리즘이 더 좋은 성능을 보여주도록 데이터를 말그대로 가공하는 것이며, 데이터 타입이나 상황에 따라 적용할 수 있는 방법이 다르다. 여기서는 주로 수치형, 범주형, 결합형, 텍스트 등을 주로 설명하고자 한다.

2021년 1월 26일
·
0개의 댓글

[2021/01 W02] 1주일 회고...

배웠던 것들파이썬에서 텍스트 데이터 처리 방법인코딩과 디코딩 : 문자열을 바이트로 변환 / 바이트를 문자열로 변환문자열 다루기 : startswith, endswith, trimming, strip, upper, lower, capitalize, isupper, isl

2021년 1월 17일
·
0개의 댓글

[2021/01 W01] 1주일 회고...

배웠던 것들학습 환경 구성 및 주요 명령어 학습Ubuntu 18.04 : pwd, ls, mv, cp, rm, mkdir 등Python 3.7 : 가상환경 구성TensorFlow 2.2.0마음 가짐 그리고, 느꼈던 것들초심!!! 차근 차근 복습 재정리!!!추가적으로 공

2021년 1월 8일
·
0개의 댓글

2020 & 2021, WHY AI?

예전의 인공지능은 크게는 1) 컴퓨팅 리소스 부족2) 데이터 부족3) 인공지능 알고리즘 및 API, Library 부족등으로 여러 면에서 한계가 있었으나,지금은 위에서 언급한 것들이 거의 해결되어 AI를 개발하고 활용하는 데 있어서 서부개척시대 또는 대항해시대 정도

2020년 12월 31일
·
0개의 댓글

[ML]성능 평가

**머신러닝**은 간단히 말해서 주어진 **학습 데이터의 피처와 레이블을 학습하여 새로운 미지의 데이터를 정확히 예측할 수 있도록 하는 기법이라 볼 수 있다. 그리고 이러한 예측 성능에 대한 평가는 머신러닝 알고리즘 모델 또는 데이터 전처리의개

2020년 8월 7일
·
0개의 댓글
post-thumbnail

CycleGAN: Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 논문 정리

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (2017)

2020년 7월 16일
·
0개의 댓글
post-thumbnail

[TIL] Artificial Intelligence[1] : July 7, 2020

딥러닝/인공지능과 관련된 강의를 듣게 되어 기초부터 처음부터 차근차근 천천히 정리하며 학습을 진행해보려 한다. 누구 한 명은 봐주겠지.학습용 Data가 주어지게 되면 컴퓨터는 이를 기반으로 Model을 생성하게 된다. 이 Model을 기반으로 컴퓨터는 예측을 하고, 컴

2020년 7월 7일
·
0개의 댓글