ML/[강의] 딥러닝 CNN

경사하강법을 이용한 선형회귀 구현 (1)

보스턴 주택 가격 데이터 세트를 퍼셉트론 기반에서 학습 및 테스트 피쳐: 14개 - 이 중 2개만 사용 (RM: 방 개수 / LSTAT: 하위계층 비율) 타겟: 주택 가격 1) Weight와 Bias의 업데이트된 값을 계산하는 함수 생성 w1: RM 피처의 Weight 값 w2: LSTAT 피처의 Weight 값 bias는 Bias N은 입력 데이터 건수 # gradient_descent()함수에서 반복적으로 호출되면서 update될 weight/bias 값을 계산하는 함수. # rm은 RM(방 개수), lstat(하위계층 비율), target은 PRICE임. 전체 array가 다 입력됨. # 반환 값은 weight와 bias가 update되어야 할 값과 Mean Squared Error 값을 loss로..

심층 신경망

심층 신경망(다중 퍼셉트론) 이해 기본 퍼셉트론은 간단한 문제만 해결 가능, 보다 복잡한 문제 해결을 위해 심층신경망을 구성 심층신경망은 입력층과 출력층 사이에 여러개의 은닉층(hidden layer) 들로 이루어진 인공신경망이다. 딥러닝의 큰 흐름 이해 딥러닝은 연속된 층(Layer)을 겹겹이 쌓아 올려 구성한 신경망이라는 모델을 사용하여 표현층을 학습한다. 얼마나 많은 Layer를 사용했는지가 그 모델의 Depth가 된다. 신경망의 핵심 구성요소는 데이터 처리필터라고 생각할 수 있는 층이다. 어떤 데이터가 들어가면 더 유용한 형태로 출력이 되고, 층을 거쳐갈수록 주어진 문제에 더 의미있는 표현을 입력된 데이터로부터 추출한다. Layer에서 입력 데이터가 처리되는 내용은 가중치(weight)에 저장되어..

편미분

편미분이란? 여러 변수들 중 하나에 대해 미분하고, 나머지는 상수로 취급하는 것 편미분의 표기 꼬부랑이 기호: '라운드'

딥러닝 기반 이해 - 딥러닝 개요와 경사 하강법

머신러닝 지능화된 서비스 구현의 필요, 종잡을 수 없는 패턴에 따른 앱 구현의 어려움, 기존 컴퓨터 과학의 패러다임 변화의 요구 등 입력 데이터가 주어졌을 때 답을 유추할 수 있는 최적의 함수를 찾는 것 애플리케이션을 수정하지 않고도 데이터를 기반으로 패턴을 학습하고 결과를 추론하는 알고리즘 기법 서로 다른 유형의 머신러닝 기법은 최적의 함수를 찾는 기법이 서로 다름. 예측 오류를 최소화하기 위한 다양한 수학적 기법을 적용해 데이터 내의 패턴을 스스로 인지하고 신뢰도 있는 예측 결과를 도출해냄. 딥러닝 AI > ML > DL 심층신경망 기법을 통해 최적의 함수를 구하는 모델을 만듦 인간 뇌의 학습과 기억의 메커니즘을 모방, 연결을 통한 학습의 강화 입력 데이터가 주어졌을 때 답을 유추할 수 있는 최적의 ..