Study

study

머신 러닝의 분류

머신 러닝에는 현재 지도학습, 비지도학습, 자기 지도 학습, 강화 학습 4개의 커다란 범주가 있다.             1. 지도학습 기존에 했던 이진 분류, 다중 분류, 스칼라 회귀 같이 샘플 데이터와 사람이 제시한 타깃에 매핑하는 방식의 학습 방법이다. 즉, 사람이 데이터와 정답을 모두 제시하여 이런 경우에는 이게 맞다고 하며 직접 지도하는 방식인 것이다. …

머신 러닝의 분류 더 보기 »

신경망 기초 활용

신경망의 기초 활용에 대해 알아보자 벌써 3번째지만 중요한 신경망의 구조다. 이번에는 각각의 문제를 해결하기 위해 적합한 신경망의 기초 활용에 대해 알아보겠다. 이진 분류 이진 분류는 쉽게 말해 0과 1, 참과 거짓, 긍정과 부정 등으로 이분법 가능한 경우에 쓰이는 기법이다. 책(케라스 창시자에게 배우는 딥러닝)에서 나오는 대표 예제는 IMDB(Internet Movie DataBase)를 활용한 영화 평가에 대한 예제이다. 이 …

신경망 기초 활용 더 보기 »

텐서와 그래디언트 기반 최적화

저번에는 딥러닝이 무엇 인가에 대해 알아 보았고, 이번에는 머신러닝 기법 중 하나인 딥러닝의 차이를 나타내는 신경망(깊은 층)의 기본 구성요소에 대해 간략히 알아보고 신경망을 어떻게 최적화 시키는지 개념적으로 알아보자.    텐서 (Tensor) 머신 러닝의 기본 구성 요소로 데이터를 위한 그릇(Container) 역할을 한다. 일반적으로 Ptython 으로는 numpy 라는 library로 배열을 만들어 쓴다. 텐서의 종류는 배열 차원에 따라 …

텐서와 그래디언트 기반 최적화 더 보기 »

딥러닝(Deep Learning) ?

케라스 창시자에게 배우는 딥러닝, 프로그래머를 위한 선형 대수, 밑 바닥부터 시작하는 딥러닝 얼마 전 부터 위 세 개 책으로 딥러닝 공부를 시작했고 공부한 것들을 나름 정리해 보려한다. 처음에 궁금하던 것이 인공지능과 머신러닝, 딥러닝의 관계? or 차이였다. 책에 따르면 그 관계에 대한 설명은 아래 그림으로 간략하게 나타낼 수 있다.               …

딥러닝(Deep Learning) ? 더 보기 »