컴퓨터 공부/데이터사이언스7 딥러닝(Deep Learning)이란? 1. 딥러닝이란? - Deep Neural Network을 이용한 Machine Learning 방법 - Deep Neural Network: Hidden layer 수가 2개 이상인 network Deep Learning의 목적 Deep Neural Network을 사용하여, 우리가 가진 data를 이용한 학습을 통해 학습에 사용하지 않았던 미지의 data가 들어왔을 때 무언가를 예측해보는 것 2. Perceptron의 이해 - 인공신경망의 기본 단위로 뉴런을 모방하여 만들어졌습니다. 수상돌기 또는 가지돌기는 이전 뉴런과 연결되는 부분으로 신호를 받아들입니다. (컴퓨터의 신호) 축삭돌기를 통해 다음 뉴런의 수상돌기로 전달됩니다. (신호들을 계산한 후 output) Artificail Neural Net.. 2021. 12. 26. 신경망 모델(Neural Networks) 신경망 모델(Neural Networks) : 머신러닝 기법 중 하나의 부류로, 기술의 발전과 많은 연구에 힘입어 가장 널리 쓰이고 있는 방법이며 뉴런이 연결된 형태를 모방한 모델입니다. 피드포워드 네트워크(Feed-forward Network) input layer(입력층), Hidden layer(은닉층), output layer(출력층)이라는 세가지 유형의 층이 있습니다. 중간의 동그라미들은 노드라 불리며 신호가 들어오면 weight선은 신호의 가중치를 받게됩니다. 예) 가중치가 0.5면 인풋레이어에 들어오는 신호의 50%만 받게됩니다. input 노드의 수는 내가가진 데이터 입력 변수의 수, output layer는 타겟변수의 수에 따라 달라집니다. 인공신경망의 학습 추론은 정방향으로 , 학습은 .. 2021. 12. 25. 머신러닝(Machine Learning)이란? 머신러닝이란 컴퓨터가 데이터를 학습하는 알고리즘과 기술을 통칭한다. 1. 지도학습 (Supervised Learning) - 입력데이터(x)와 타겟 값(y)을 알고있는 데이터를 학습하여, 이들의 관계를 모델링하는 학습방법 - 새로운 데이터에 대한 타겟값을 예측하는 데에 사용 - 함수로 표현하면 Y = F(X) Y는 타겟값 F는 모델 X는 입력데이터 Y의 형태에따라 분류(Classification), 회귀(Regression) 로 나뉜다 분류(Classification) - 타겟변수 Y가 이산형 변수인 경우 - 이산형 변수 : 특정한 값만 가질 수 있는 변수 (가질 수 있는 값이 유한적), 각 값이 몇 번 나타났는지 셀 수 있음 예) X라는 사진데이터들을 넣었을 때 사람인지 동물인지 분류하는 모델을 만들었.. 2021. 12. 23. 이전 1 2 다음
