쉬운 생각, 꾸준한 노력

이진 분류Binary Classification 딥러닝을 다른 보편적인 작업에 적용해봅시다. 소개 이 수업에서 지금까지 신경망이 어떻게 회귀regression 문제를 풀 수 있는지를 배웠습니다. 이제는 신경망을 또 다른 보편적인 기계학습 문제에 적용해볼 것입니다. 바로, 분류classification죠. 지금까지 배운 거의 모든 것들은 여전히 적용됩니다. 가장 큰 차이점은 사용하는 손실 함수와 마지막 레이어에서 만들어내길 원하는 출력값의 종류입니다. 이진 분류 두 가지 클래스 중에서 한가지로 분류하는 것은 보편적인 기계학습 문제입니다. 여러분은 아마 소비자가 구매를 할지, 신용카드의 거래가 사기인지, 깊은 우주의 신호가 새로운 행성의 증거를 보여주는지, 의료 검사가 질병의 증거인지 예측하고 싶을 것입니다..

드롭아웃과 배치 정규화Dropout and Batch Normalization 과적합 방지와 안정적인 학습을 위해 이 특별한 레이어들을 추가해보세요! 소개 딥러닝의 세계에는 dense 레이어뿐만 아니라 더 많은 것들이 있습니다. 여러분이 모델에 추가하고 싶어할 여러가지 종류의 수십가지 레이어가 있습니다.(더 궁금하시다면 Keras docs를 참고해주세요.) 이 중 어떤 것들은 dense 레이어 같고 뉴런들 사이의 연결을 정의하며, 다른 어떤 것들은 다른 종류의 전처리나 변형을 할 수 있습니다. 이번 시간에는 두 가지 특별한 레이어를 살펴볼 것입니다. 이 두 가지는 어떤 뉴런과도 연결되지 않지만, 여러가지 방법을 통해 때때로 모델을 향상시킬 수 있는 몇가지 기능을 추가할 수 있습니다. 이 두 가지 모두 현..

(이 글은 캐글의 Intro to Deep Learning 강의를 번역한 것입니다. 글 하단의 출처를 통해 캐글 사이트에 방문하시면, 캐글 노트북을 통해 직접 모델을 만드실 수 도 있으니 한번쯤 방문해보시는 것을 추천드립니다.) 심층 신경망Deep Neural Networks 복잡한 관계들을 파해치기 위해 히든 레이어를 신경망에 추가해보세요! 소개 이 수업에서는 심층 신경망이 유명해진 어떤.. 복잡한 관계들을 학습하는 신경망을 만드는 방법을 살펴볼 것입니다. 여기서 중요한 아이디어는 모듈방식modularity입니다. 모듈방식이란 복잡한 네트워크를 그보다는 단순한 기능적인 유닛으로부터 만들어내는 것을 말합니다. 여러분은 선형 유닛이 선형 함수를 어떻게 연산하는지를 앞선 수업에서 보셨습니다. 이제는 이 하나..

하나의 뉴런 딥 러닝의 기본이 되는 선형 유닛에 대해 배워봅시다. 딥 러닝의 세계에 오신 것을 환영합니다! (이 글은 캐글의 Intro to Deep Learning 강의를 번역한 것입니다. 글 하단의 출처를 통해 캐글 사이트에 방문하시면, 캐글 노트북을 통해 직접 모델을 만드실 수 도 있으니 한번쯤 방문해보시는 것을 추천드립니다.) 캐글의 딥 러닝 코스에 오신 것을 환영합니다! 여기에서 여러분의 심층 신경망 모델을 만드는 것을 시작할 때 필요한 것들을 배우실 수 있습니다. Keras와 Tensorflow를 통해 다음과 같은 내용을 배우게 될 것입니다. 완전 연결fully-connected 신경망 아키텍쳐를 만드는 방법 신경망을 전통적인 기계학습 문제인 회귀regression와 분류classificati..

캐글은 이미 데이터 엔지니어, 데이터 사이언티스트들에게는 유명한 플랫폼이다. 나는 이제 막 머신러닝을 입문하는 입장에서 좋은 학습 플랫폼을 찾다가 캐글을 발견하게 되었다. 기본적으로는 기업 등에서 데이터셋을 캐글에 제공하며 competitions을 통해 문제를 해결하고 이에 따라 보상이 주어진다. 오늘은 캐글을 시작하고 이해해보고 이를 기록하려한다. 일단 가입을 해야하니 상단의 Resister 버튼을 누른다. 그중 Register with google을 눌러 구글 계정으로 가입할 것이다. 본인의 구글 계정을 클릭하면 된다. 아니, 근데 나는 이거 6개월 전에 가입했었네ㅋㅋㅋㅋ 이전이랑 UI가 좀 바뀐 듯 한데 차근차근 둘러봐야겠다. 아! 참고로 현재 캐글은 구글 알파벳에 속해있고, 그렇게 됐기 때문에 데..