[패스트캠퍼스 수강 후기] 올인원패키지 100% 환급 챌린지 시작전

인공지능 개념이해 1~3

챕터소개

1.목적 : 코드와 시각적으로 딥러닝 이해
* 기본 CNN과 간단한 프로젝트도 돌릴 수 있을 정도의 수준의 이론
2.구성 : CNN을 이해하기 위한 전체적인 큰 그림
* Anaconda 설치부터 여는 방법
* Numpy부터 Matplotlib 기초

딥러닝 전체구조 및 학습과정

• 전체구조
  

  

  
  학생이 문제지를 푼다고 가정
  DATA : 책 한권
  MODEL : 학습(학생의 머리)
  logit : 문제
  loss : 문제 푼것과 정답의 비교
  Optm : 왜 틀렸는지 고치는 과정

DATA

• 프로젝트를 진행할 때 가장 중요
• 데이터를 잘 보고 잘 다루는게 중요 (데이터 전처리 등)

model

• 데이터를 넣었을 때 잘 분류하게끔 만들어주는 것
• 프로젝트에 따라서 어떤 모델을 선택하는지가 중요

prediction / logit

• 에측한 값
• classification의 경우 class별 예측한 확률

Loss / cost

• 예측한 값과의 차이
• loss function(cross entropy 등) 사용

optimization

• loss를 최소화하기 위한 방안

Result

• 예측한 값
• classification의 경우 argmax를 사용해 확률이 가장 높은 class 도출

딥러닝 용어

• Model
  • CNN, DNN, AlaxNet이 대표적이며 특징을 뽑아내고 예측할 수 있는 틀
• Layer
  • Input / Hidden / Output으로 크게 3부분으로 구분
  • Layer을 몇개 쌓는지가 중요 (꼭 많다고 좋은 것은 아님 효율적으로 쌓는게 좋음)
• Convolution
  • 한국말로는 합성곱
  • Fillter을 받아서 결과를 특징을 도출
  • 카메라 어플리케이션의 필터와 동일
• Weight / Filter / Kernal / Variable / Bias
  • 자세하게는 다 다름 (Bias) wpdhl
  • Weight는 학습하려는 대상
  • 데이터 목적에 따라 Weight를 학습해야함
  • y = wx + b
• Pooling Layer
  • 이미지를 압축
  • max-pooling은 가장 큰 특징을 뽑아냄
• Activation Function
  • ReLU는 음수를 0으로 만듬
  • 추출한 특징을 분류
  • softmax 각 클래스로 예측할 확률을 도출

후기

후반부에 천천히 설명해도 될 용어를 간단하게 설명해주시려고하는데,
가볍게 듣고가기엔 나쁘지 않으나 조금 생각하면서 듣기에는 오히려 독.
아직 깊은 내용을 설명하기엔 이르다고 생각해서 쉽게, 간단하게 설명하려고하는데
오히려 이게 더 혼란을 가중시키는 느낌
딥러닝을 조금 알고 있다면 part1은 전체적으로 pass하는 게 더 이롭다고 판단됨