머신러닝 데이터 분석 7회차

UNIT 7-1 딥러닝의 기초

배워야하는 이유

- 데이터와 문제의 복잡성

- 강력한 비선형성

- 현재도 발전하고 있는 것

 

UNIT 7-2 Neural Network(ANN)

인공신경망

생물학적 뉴런이 서로간에 신호를 보내는 방식을 모방하여 만든 노드(인공 뉴런)의 연결체

- 기본 구성: 입력 레이어, 히든 레이어, 출력 레이어

 

Neuron

 

Perceptron

Back Propagation

Activation Function

 

 

Cross Entropy

UNIT 7-3 이미지에 효과적인 CNN

3-layer NN vs ConvNet

Image Classification with ConvNet

Convolution Layer

 

Convolution

대표적인 모델

 

UNIT 7-4 효과적인 학습 방법

Optimizer

Batch: 한번의 가중치를 업데이트하는데 사용하는 데이터

Batch size: batch의 양(batch 데이터의 개수)

Epoch: 전체 학습셋 학습을 한 수

Iteration: 학습 반복 수(for loop의 수)

1epoch = batch_size * iteration

Learning Rate Scheduler

학습률을 조정하는 방법

 

 

UNIT 7-5 이미지 분류 (실습)

 

https://github.com/carpe1997/TIL/tree/main/Machine%20Learning/7%ED%9A%8C%EC%B0%A8