1. 단일 신경망의 예
- 집의 크기를 특징으로 가격을 예층하는 단일 신경망이라고 볼 수 있습니다.
- 그래프를 보아하니 Relu 함수로 표현할 수 있습니다.
2. 댜중 신경망의 예
- 중간에 노드들이 여러개가 되었고, 레이어도 하나가 늘었습니다.
- 첫 레이어는 Input 층입니다.
- Input 레이어 다음의 층은 모든 원이 연결되어 있는데, 밀도가 높다라고 표현합니다.
- 머신러닝은 훈련세트(x,y)를 주었을 때 중간과정의 관계를 귀신처럼 잘 파악합니다.
3. 지도학습(머신러닝의 분야) 애플리케이션
- x, y를 잘 선택하고 적절한 신경망을 선택하는 것이 관건입니다.
- 비정형 데이터를 해석하는 것은 사람의 특징이었는데, 신경망으로 인해 컴퓨터가 비정형 데이터를 해석할 수 있게 되었습니다.
4. 머신러닝의 부상 이유
- 데이터양이 많아진다고 해서 퍼포먼스가 계속 향상하는 것은 아닙니다.
- 트레이닝 세트가 적은 경우에는 엔지니어링 특성에 영향을 많이 받습니다.
- 알고리즘개선의 예로 singmoid -> Relu 함수로의 변경을 꼽을 수 있습니다.
- 시그모이드의 양 끝단에서는 기울기가 작아 조금씩 변화하기 때문에 학습속도가 오래 걸립니다.
- Computation, Algorithm의 개선으로 실험과정이 짧아지면 아이디어를 빨리 확인할 수 있기에 중요한 요소가 됩니다.
구글 머신러닝 부트캠프 2024에 참가하고 있습니다.
학습하는 내용 요약해서 올리겠습니다.
첫 미션이 12일까지 인데 늦장부려서 바빠요. Hurry up~