차곡차곡

RNN 시간을 다루는 딥러닝 시점별로 들어오는 데이터를 활용해 일어날 일을 예측함 언어모델인 챗 지피티 언어! : 어떤 단어가 올지 예측하면서 말을 구성하는 것임 중고차량의 가격 예측 시계열 데이터 : 시간의 흐름에 따라 관찰된 값을 가지는 데이터 - 변화하는 추세 - 주기 - 계절성 - 불규칙성 시계열 - 연속형(Continuous) : 자료가 연속적으로 생성 - 이산형(;범주형, Discrete) : 이산적인 시점에서 자료가 생성 - !!언어!! Auto regression? 자기 자신을 사용하기 때문에 Auto 미래의 값이 과거의 값이 얼마만큼의 영향을 미치는지? AR, ARMA, ARIMA 모델 - 통계적 관점을 가지고 예측 - 한계 회귀분석은 4가지 가정을 만족시켜야 사용할 수 있음 - 선형성 ..

Classification cat 어디에 있는지? 감지 : object detection GAN : 새로운 이미지를 창작하는 신경망 고양이 + 고흐의 그림 = 고흐의 화풍으로 고양이 그려줌 style transfer 이것들 모두 컴퓨터비젼 응용 실제로 4K 이미지 프로세싱은 어려운 문제임! 이 자체의 픽셀이 많고 3가지 픽셀 존재 이는 MLP, FULLy connected neural network 굉장히 많은 숫자 8MB가 됨 hidden node 128개면 많음 b도 많음 흑백 사진은 1GB의 파라미터 가짐 이들로 중요한 information만 찾아내서 고양이라고 분류하려면 어떻게 해야 할까? LeNet(르넷) 벨랩에서 여러 연구자가 연구 컴퓨터 비젼은 재래식 알고리즘 사용 미국과 우체국에서 수집된 ..

1. Gathering data 2. Preprocessing data 3. Researching the model than will be best for the type of data training the model evaluate and update model 딥러닝 처음엔 개념적으로 쉬움 어떤 신경망? 어떤 파라미터를 가지고 배울 것인지? 데이터가 굉장히 중요함! 데이터 틀림 -> 좋은 결과 x MNIST(엠니스트) : 잘 정제된 데이터 얼마큼 신경망 학습시킬 때 사용할 것인가? Training data : Test data = 8:2 Validation : 모델이 잘 세팅되고 있는지? 1~2 좀 더 모든 데이터를 활용해 좋은 결과를 얻기 위해서는? Cross-Validation Model Des..

COPY MODIFY TEST 코딩을 위해 필요한 것은? 하드웨어 SPU가 기본 , 별도의 프로세스 있는 PC(인) 클라우드 컴퓨터 인터넷을 통해서 데이터센터에 준비되어있는 컴퓨터 사용하기 구글, 마이크로소프트, 아마존 소프트웨어 파이썬 가장 많이 사용함 미리 알고리즘을 개발하거나 이를 이용해 효율적으로 짜놓은 프로그램을 함께 조합해서 사용 -> 라이브러리 대표적으로. tensorflow, keras, pytorch가 있음 Tensorflow 구글에서 개발한 오픈소스 딥러닝 프레임워크 그래프 기반 계산을 사용해 수치 계산 작업을 효율적으로 수행 -> 그래프 구성해 복잡한 모델을 효율적으로 표현 장점 : 딥러닝 작업을 위한 다양한 모듈, API 제공 분산 컴퓨팅을 위한 기능 강력 단점 : 모델 구성이 복잡..

뉴럴 네트워크 혹은 신경망 : 딥러닝의 핵심적인 모형 뇌의 구조를 본 따 만든 인공 신경망이 학습하는 모형! 신경망이 어떤 것을 하는지? 어떻게 학습?? 뉴런 : 실제로 생각하는 바오롤로지컬 컴퓨팅을 함, 복잡한 메커니즘을 이용해 뇌의 인지기능을 구현암 셀바디 : 뉴런의 핵 - soma쫌마 Dendrite : 외부로부터 입력을 받아들이는 역할 Axon : 굵은 가지 : 다른 뉴런으로 신호를 전달하는 역할 Synapse : Axon과 다른 Dendrite가 이렇게 가까이 접촉하는 부분 이런 뉴런은 뇌 속에 굉장히 많이 있고 기본적인 뇌의 빌딩블록 이 뉴런들이 어떻게 연결되어있는지 연구하고 있음 어덯게? 뉴런은 전기적인 동작을 하는지 나와있음 많은 스파이크가 파파파박 튀고 있음 다른 종류의 뉴런들이 어떻게 ..

알파고 이후 일반인도 딥러닝을 알 수 있고 많은 관심을 가짐 인공지능 - 머신러닝 - 딥러닝 1940년대, 컴퓨터가 생길 때 부터 있었음 1980년대 관심을 받음 - 머신러닝 : 인공지능 중 특별한 기능, 배울 수 있는 내용 딥러닝 : 배우는 두뇌가 되는 엔진이 인간 또는 동물의 신경망을 기반함 다음 수를 어떤 것을 둘까? 가장 이길 확률이 높은 수를 찾아내기 Deep Neural Network history 1940년대부터 있었음 맥클러우(교수님), 피츠(젊은이) -> 퍼셉트론 아이디어 제시 주의에 있는 뉴런부터 input을 받아서 작동하는 모형 만듦 스탠포드대학교의 심리학과 PaulWerbos 폴 웨보스 르넷이라는 우체곡 번호 벨Lab에서 신경만 연구를 함 누가 Deep Leaerning을 만들었나?..