일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- Deeplearning
- 하둡
- pandas
- 자연어처리
- 기계학습
- CNN
- 그래프
- NLP
- R프로그래밍
- 데이터시각화
- ggplot
- 빅데이터처리
- Python
- 데이터처리
- 데이터분석
- R그래프
- 딥러닝
- AI
- word2vec
- R시각화
- Hadoop
- r
- 빅데이터
- SQL
- 그래프시각화
- HIVE
- 머신러닝
- 주가예측
- 데이터
- lstm
- Today
- Total
목록데이터과학/개념 : Deep Learning (14)
욱이의 냉철한 공부

* 출저 본 개념정리는 제 지도교수님이신 연세대학교 정보대학원 김하영 교수님 수업과 Andrew 교수님의 Coursera 수업을 통해 얻은 정보를 통해 정리했습니다. 자료는 대부분 Andrew 교수님의 Coursera 수업자료입니다. * 목차 1. 학습과 평가를 위한 Dataset 개념 2. 학습최적화 : Optimizer, Momentum과 아이들 3. 학습최적화 : Mini-batch (미니 배치) 4. 학습최적화 : Batch Normalization (배치 정규화) 5. 학습최적화 : The problem of local optima 1. 학습과 평가를 위한 Dataset 개념 - Training Dataset 처음 확인하는 것은 아키텍쳐가 많은 데이터 양을 잘 학습하도록 잘 구축되어 있는가를 확..

* 출저 본 개념정리는 제 지도교수님이신 연세대학교 정보대학원 김하영 교수님 수업과 Andrew 교수님의 Coursera 수업을 통해 얻은 정보를 통해 정리했습니다. 자료는 대부분 Andrew 교수님의 Coursera 수업자료입니다. * 목차 1. 과적합(Overfit) 해결 : Regulation(규제화) 2. 과적합(Overfit) 해결 : Drop-out(드롭아웃) 3. 과적합(Overfit) 해결 : data augmentation 4. 과적합(Overfit) 해결 : early stopping 5. 과적합(Overfit) 해결 : 모델 Size를 축소? 1. 과적합(Overfit) 해결 : Regualtion(규제화) - Regulation(규제화)가 왜 Overfit(과적합)을 해결하는가? 가..

* 출저 본 개념정리는 제 담당교수님이신 연세대학교 정보대학원 김하영 교수님 수업과 Andrew 교수님의 Coursera 수업을 통해 얻은 정보를 통해 정리했습니다. 자료는 Andrew 교수님의 Coursera 수업자료입니다. 1. 딥러닝의 학습 메커니즘 - loss function의 의미 예측값과 정답과 비교하는 함수이다. - Optimizer(옵티마이저) loss function을 기반하여 네트워크(파라미터)를 업데이터 하는 것이다. 2. 학습 : 손실함수 - 활성화 함수 (Activation function) - 손실 함수 (Loss function) 개념 - Task 종류에 따른 손실함수 (Loss function) 1) Regression 연속값 2) Binary Classification ..

* 출저 본 개념정리는 제 담당교수님이신 연세대학교 정보대학원 김하영 교수님 수업과 Andrew 교수님의 Coursera 수업을 통해 얻은 정보를 통해 정리했습니다. 자료는 Andrew 교수님의 Coursera 수업자료입니다. 1. Tensor 개념 2. MLE(Maximum likelihood estimation) 개념 - Maximum likelihood estimation(MLE) 개념 원래 모집단의 분포에 최대한 가깝게 파라미터를 추정하는 방법. 머신러닝의 목표는 미지의 데이터에(아직 확인하지 않은 데이터)에 대해 좋은 예측을 하는 것이다. 즉 데이터를 잘 설명할 수 있거나, 주어진 데이터로부터 결과값을 잘 예측하는 것들이 이에 속한다. 이것을 일반화라고 한다. (generation) 좋은..

* 출저 본 개념정리는 제 담당교수님이신 연세대학교 정보대학원 김하영 교수님 수업과 Andrew Ng 교수님의 Coursera 수업을 통해 얻은 정보를 통해 정리했습니다. 자료는 Andrew Ng 교수님의 Coursera 수업자료입니다. * 목차 1. Logistic Regression as a Neural Network 2. Logistic Regression 가중치 초기화 3. Logistic Regression 경사하강법 1. Logistic Regression - Logistic Regression 개요 선형 회귀에서 금액과 채무불이행을 직선의 방정식으로 표현한다는 가설 하에, 주어진 데이터로부터 가중치 W(weight)와 편향 b(bias)를 찾아 데이터를 가장 잘 표현하는 직선을 찾았다. 그런..

* 출저 본 개념정리는 제 담당교수님이신 연세대학교 정보대학원 김하영 교수님 수업과 Andrew 교수님의 Coursera 수업을 통해 얻은 정보를 통해 정리했습니다. 자료는 Andrew 교수님의 Coursera 수업자료입니다. * 목차 1. 인공지능, 기계학습(머신러닝), 딥러닝 2. 기계학습(머신러닝)의 종류 3. 기계학습(머신러닝)의 개요 4. 딥러닝의 개요 3. 딥러닝의 hidden layer의 효과 1. 인공지능, 머신러닝, 딥러닝 - 인공지능 (Artificial Intelligence) 1) 사람처럼 의사결정할 수 있는 지능이 있는 것 2) 기계에 지능이 있는 것처럼 만들어 주는 것 - 기계학습 (Machine Learning) 1) 일종의 소프트웨어 개발자 및 전문가가 일일이 정하지 않고..