패스트캠퍼스 환급챌린지 13일차 미션 (2월 13일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기

강의 내용 Review

---

📍배운내용📍

• CNN알고리즘 
• CNN 코드 실습 

👉강의내용👈

CNN알고리즘 

• 딥러닝의 강점은 다양한 입력 피처들을 사용할수있음(이미지, 텍스트 등)
• 멀티레이어 퍼셉트론은 모든 입력 피처를 독립적으로 처리하고 가공함.그래서 입력 받은 피처간들의 상관관계를 제대로 포착하지 못함 -> 이런 문제를 해결하기 위해 CNN과 RNN이 도입됨 
• CNN은 Convolution Neural Network 
• 주변의 요소를 참고해 하나로 결합하는 것 
• 필터를 빙빙 돌리면서 처리하는 연산
• CNN은 이미지 인식, 분류에 처리되는 태스크 
• 사람이 시각정보를 받아드릴때 지역적으로 필드를 좁혀서 처리하는 방식에서 착안 
• CNN에는 작은 창이 커버하는 범위를 receptive field라고 함
• 입력 받은 이미지의 피처로 부터 지역적인 정보를 학습하고 결합하는 과정에서 이미지의 전체적인 그림을 연결하고 파악 가능, 지역적인 정보를 벡터로 만듦
• 그래프형태의 데이터에서도 CNN이 중요 
• CNN: 특정 대상과 그 주변을 보는 개념 
• 이미지 데이터를 분석하는 방법 : 수치 형태로 나타낼수있음 
• 컨볼루션 레이어: 필터(커널)를 적용해서 지역적인 정보를 함한 새로운 피처를 만듦 
• 풀링 레이어 : 종합하는 과정, 전체 수집한 데이터를 하나의 값으로 결합 
• 필터를 적용하면 윈도우가 하나씩 이동하면서 값들을 하나씩 계산해서 모음 
• 평균, 최소, 최대 풀링 방법이 있음 
• MLP보다 연산이 효율적임, 과적합을 방지할수있음,  MLP를 사용한 경우 전체 파라미터 마다 덴스레이어를 붙임
• 초반부 CNN의 레이어는 작은 컴포넌트를 세분화해서 학습 -> 다음 풀링레이어로 보내서 좀더 높은 레벨의 피처를 학습함 
• 갈수록 하이레벨로 앞의 컴포넌트들을 결합해서 보임 
• 각 레이어를 통해 지역적인 정보를 통합해서 판단을 내리기 때문에 어떤 위치, 회전, 변형이 있던지 상관없이 강건한 학습 가능, 시각화 가능함 
• CNN의 추천시스템의 적용은? 
• 옷을 추천할때 입력된 이미지의 정보를 하나의 벡터 표현으로 나타냄, 이미지의 특성정보를 잘 담아내서 후보 제품에 대해서도 벡터를 구할수있음
• 이미지의 유사도를 기반을 추천을 해줌 

 

공부사진 

---

 

13일차 후기

---

CNN에 대해 더 깊이 알수있게 되었다. 

 

 

 

 

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/48sS29N