머신러닝3 케라스 창시자에게 배우는 딥러닝 3장, 4장 3장 요약 3장에서는 신경망의 개요와 딥러닝 예제를 제시한다. 아래 3가지 예제를 제시한다. 주택 가격 예측 문제 영화 리뷰 분류 뉴스 기사 분류 신경망의 구조 네트워크를 구성하는 층 = 다른 말로는 레이어 입력 데이터 , 타겟 예측 값과 실제 값을 비교하는 손실함수 = loss function 학습 진행 방식을 결정하는 옵티마이저 = 네트워크가 어떻게 업데이트 되면 좋을지 결정한다. 요약하면 1. 신경망 네트워크를 구성한다. 2. 입력 데이터를 넣는다. 3. 예를 들어서 분류 문제면 분류 되어야 하는 기대 값이 있다. 4. 손실 함수로 기대 값이랑 얼마나 차이 나는지 확인한다. 5. 기대 값과의 차이를 확인하고 옵티마이저로 네트워크를 업데이트 한다. 6. 다시 2번으로 돌아가 데이터를 넣고 결과를 본다.. 2019. 2. 9. 케라스 창시자에게 배우는 딥러닝 2장 Training set = 모델 학습에 필요한 데이터 셋 Test Set = 예측 성능을 테스트 하는 데이터 과대적합 ( Overfitting ) = 모델이 Training set 에 대해서는 높은 성능을 보이지만 테스트 셋에 대해서 성능이 좋지 않은 경우 손실 함수 : 트레이닝 과정에서 신경 망의 성능을 측정. ( 오차 값 계산 ) 옵티마이저: 데이터와 손실함수를 기반으로 네트워크 업데이트 텐서 : 다차원 넘파이 배열 스칼라 ( 0차원 텐서) 벡터 ( 1차원 텐서) 행렬 (2차원 텐서) 3D , 고차원 데이터의 벡터 예시 벡터 데이터 : 크기 2D의 텐서 시계열 데이터 또는 시퀀스 데이터 : 3D 텐서 이미지 : 4D 동영상 5D 텐서 연산 원소별 단순 연산 브로드캐스팅 점곱 크기변환 2019. 1. 29. 케라스 창시자에게 배우는 딥러닝 1장 1장 딥러닝 1.1 인공지능 , 머신러닝 , 딥러닝 인공지능 - 머신러닝과 딥러닝을 포함하는 개념 사람이 수행하는 지능적인 작업을 자동화 머신러닝 - 인공지능에 포함됨. 딥러닝을 포함하는 개념 데이터와 답을 가지고 규칙을 학습 시킨다. 전통적인 프로그래밍 : 규칙 + 데이터 => 프로그래밍 = 해답 머신러닝 : 데이터 + 해답 => 머신러닝 = 규칙 튜링 테스트 - 기계가 지능을 가지고 있는지 테스트 딥러닝 에서 '딥' 딥러닝은 머신러닝의 한 분야로써 연속된 레이어에서 점진적으로 학습한다. 레이어의 개수 = 깊이 입력x -> 레이어(가중치) -> 레이어(가중치) => 예측 - loss function (손실 함수) , objective function (목적 함수) = 신경망의 출력이 기대 값보다 얼마나.. 2019. 1. 28. 이전 1 다음
