패스트캠퍼스 챌린지 - 12일차

강의 내용 Review

---

📍배운내용📍

• 딥러닝 프로세스 
• 뉴럴네트워크 학습 
• parametric Function 

👉강의내용👈

Part2. 데이터 사이언스 기초(수학)

딥러닝 프로세스

• 데이터셋 준비 - 정제된 양질의 데이터가 필요함
• 뉴럴 네트워크 설계 및 구현 
• 모델 학습, 파라미터 학습
• 성능 평가 
• 모델 배포 

뉴럴 네트워크 학습

• 모델을 어떤 함수라고 가정했을 때 input(데이터)을 넣으면 모델을 확률로 예측값을 알려줌
• 실제 데이터와 모델의 예측값이 얼마나 맞고 틀린 지 손실률을 계산 
• 모델의 구성에 때라 예측과 손실률이 달라짐 
• 그레디언트 계산
• 파라미터 업데이트 (반복)

실습환경 

• 코랩 (colab)
• 몇몇 라이브러리와 프래임워크가 미리 설치되어있음 
• GPU를 사용할 수 있음 

실습환경 

• 코랩 (colab)
• 몇몇 라이브러리와 프래임워크가 미리 설치되어있음 

 

Ch.01 딥러닝 네트워크의 연산

parametric Functions

• 함수는 어떤 입력값에 대해 기능을 수행해 출력 값을 냄 
• f( x ; 세타) : 세타는 함수 자체가 가진 파라미터 
• x를 입력받아서 함수가 가진 세타를 연산해서 출력 값을 만듦
• 즉 출력 값을 만드는 데 사용되는 변수를 함수가 가지고 있는 것 
• ex) 선형 회귀 : 딥러닝은 자체적으로 기울기와 바이어스 값을 가지고 있음 , 입력값만 넣으면 예측 가능 
• 함수가 가진 파라미터 값에 따라 다른 함수가 만들어짐, 함수의 작동이 달라짐 
• 학습을 통해 가장 데이터를 잘 설명할 수 있는 파라미터를 찾는 것이 중요 
• 수많은 파라미터를 모델이 가질 수 있음 
• 연산이 어떻게 진행되는지 이해하는 것이 중요 
• 입력값은 단일 값이 아닌, 벡터, 이미지, 고차원 데이터가 입력 됨 

 

 

공부사진 

---

오리엔테이션 강의 듣기

Prametric Function 강의듣기

 

12일차 후기

---

오리엔테이션 과 prametric function에 대해 들었다.
딥러닝 네트워크의 기초부터 시작하는데 너무 어렵다.
강의 초반인데 벌써부터 이렇게 이해를 못 해서 진도를 어떻게 뺄지 고민이다.ㅠㅠ 매일 꾸준히 열심히 보기! 파이팅

 

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.