인공지능 > 머신러닝 > 딥러닝
인공지능 : 사람의 지적 능력을 컴퓨터를 통해 구현하는 기술
머신러닝 : 사람이 정한 모델과 특징 추출 방법을 이용하여 데이터를 기반으로 추론할 수 있게 하는 기술
딥러닝 : 인공신경망 방법을 이용해 만든 머신러닝 기술로, 빅테이터 학습에 적합한 기술
딥러닝의 중요 요소 4가지
1. 데이터 ( 모델이 배울 수 있는것 ) The data that model can learn from
2. 모델 ( 라벨로 데이터를 어캐 바꿀지. ) The model how to transform the data
3. 로스 ( 모델을 만들고 나면, 모델을 학습시키기 위한 로스 펑션이 필요. )
The loss function that quantifies the badness of the model
4. 알고리즘 ( 아담, 옵티마이저... 등등 ) The algorithm to adjust the parameters to minimize the loss
어떤 논문을 보더라도 위의 4개를 중점으로 보면 이해하기에 좋다!
> Data
- Data depend on the type of the problem to solve
> Model
> Loss
- 모델과 데이터가 있을때 이 모델이 어캐 학습할지.
- The loss function is a proxy of what we want to achieve.
- 로스펑션이란 우리가 이루고자 하는것의 근사치에 불가함. 일반적으로 분류 문제, 회귀문제를 풀때 로스가 감소하는것이 항상 우리가 원하는 값을 주는것이 보장 되어있진 않음.
Optimization Algorithm
최적화 방법은 데이터, 모델, 로스펑션이 정해져있을때 네트워크를 어캐 줄일지.
- 우리는 로스 펑션을 단순히 줄이는것이 목적이 아님. 우리의 목적은 이 모델이 학습하지 않은 데이터에서 잘 동작하는 것. 네트워크가 학습데이터 외 다른 데이터에도 잘 동작하도록 목표함.
'공부 정리 ( 강의 ) > 딥러닝 기초 다지기' 카테고리의 다른 글
| 2.3. Regularization - 오버피팅 막기 # 나중필요 (0) | 2023.01.07 |
|---|---|
| 2.2. Gradient Descent Methods # 여기서부터 개념 잡고 들었음. (0) | 2023.01.03 |
| 2.1. 최적화의 주요 용어 이해 (Optimization) (0) | 2023.01.03 |
| 1.2. 뉴럴 네트워크 - MLP (0) | 2023.01.02 |
| 부스트코스 딥러닝 기초 다지기 (0) | 2023.01.02 |
