[패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 22회차 미션

Part4-04. Ch 01. 딥러닝이 무엇인가요 - 04. 딥러닝의 현재

딥러닝관심도

2014~2015 SVM보다 높게 관심을 갖기 시작
2016년 3월 피크를 찍는데 이때가 알파고때

SVM이 머신러닝의 왕좌를 차지하고 있었음

딥러닝의 대중화 이유 - 프레임웍

프레임웍의 변화 caffe, matlab으로 처음에 발전
caffe를 주로 사용 C+, 리눅스 기반으로 구현
MatConvNet matlab환경에 익숙한사람이 사용 하기 좋음

최근 tensorflow와 pytorch가 중심
pytorch는 python의 기본 문법을 따르기 때문에 진입장벽이 낮음
tensorflow는 다양한 플랫폼으로 확장이 가능 (산업계에서 사용)

딥러닝의 대중화 이유 - 클라우드 플랫폼

초기 AWS가 클라우드 시장을 점령
GCP같은 경우 공격적인 마케팅 진행중, 자체 API 서포르틑 많이 진행 (강의 배포등)
Microsoft Azure 스마트팩터리, supply Chain쪽으로 주로 사용

딥러닝의 대중화 이유 -하드웨어

NVIDIA GPU라인업, 1880TI가 GPU 사용대중화에 기여
TESLA 서버나, 클라우드에 지원하는 라인업

클라우드 플랫폼

IaaS 제공해주는 범위가 확장 (클라우드 PC를 대여해서 내가 직접 설치해서 사용하는 커스텀형태)
PaaS (OS,Security가 설치되어 있는 클라우드를 받고 필요한 Application을 직접설치)
SaaS 소프트웨만 그대로 사용하면되는 수준 (tensorflow등도 다 설치되어 있는 형태)

딥러닝 적용분야

자동주행, 스마트팜, 추천, 스마트팩토리, IP카메라, 챗봇
모든 산업에 사용되는중

딥러닝 시장전망

6~7배이상 성장할 가능성이 있음

Part4-05. Ch 01. 딥러닝이 무엇인가요 - 05. 딥러닝 실습 환경 소개

진행순서

하이퍼 파라미터 설정
네트워크 구조 정의 (사용하는 layer 정의,call에서 연결성 구성)
학습루프 정의 (모델에 입력을 넣어서 출력을 내고, loss를 내면서 적용)
테스트루프 정의 (학습과 동일하나, gradient가 제외됨)
데이터셋 가져오고, 정리하기 (텐서플로우 데이터셋형태로 변환)
네트워크 생성 (모델을 생성)
손실함수, 최적화 알고리즘 정의
알고리즘 평가지표 설정
알고리즘 학습, 테스트 루프 (train, test셋을 돌림)

딥러닝/인공지능 올인원 패키지 Online