Lec 11-1. CNN introduction 다음과 같은 NetWork를 Forward Net(Fully Connected Network)라고 한다. 위와 같이 merge하는 모델은 Convolutional Neural Network(CNN)의 기본적인 아이디어가 되었다. 다음과 같이 입력을 나누어 받는 것이 CNN의 기본적인 아이디어 이다. 1. 왼쪽에 있는 자동차 사진을 쪼개서 각각의 입력으로 넘긴다.2. 그 후, CONV, RELU, POOLING을 반복한다. 이들 순서는 본인이 원하는 대로 쌓아주면 된다.3. 마지막으로, Fully Connected Neural Network로 최종적인 레이블링을 한다.(car, truck, .. ) -> n개의 Softmax classify ( n개의 종류중..
Lec 9-1. Neural Nets(NN) for XOR 하나의 logistic regression unit은 XOR을 separate 할 수 없다. 하지만, Multiple한 logistic regression unit은 XOR을 separate할 수 있다. 다음과 같은 Neural Network를 이용해서 XOR을 separate하는 문제를 해결하려 한다. weight, bias가 위와 같이 설정된 Neural Network이다.각 layer를 통과할때, sigmoid(xw+b) 연산이 수행될 것이다. 이 Neural Network을 Forward Propagation한 결과이다. 예측된 값은 y바 이다.참 값과 비교했을때, 올바르게 예측된 것을 확인할 수 있다. Forward Propagation..
Lec 7-1. Learning rate, data preprocessing, overfitting learning rateGradient descent 알고리즘에서 cost함수의 미분값에 곱해지는 값 알파(위 사진의 빨간색 부분)을 LearningRate라고 한다.learning rate는 적절한 값으로 설정되어야 한다. 만약 learning rate 값이 너무 클 경우, cost가 줄어들지 않고 발산해버릴 우려가 있다. 이런 현상을 overshooting 이라고 한다. 반면에, learning rate 값이 너무 작을 경우,1. cost를 최소화하는데 너무 오랜 시간이 걸리거나2. cost의 local minimum에서 멈추어 버림과 같은 문제점들이 발생할 수 있다. 적절한 learning rate ..
Lec 5-1. Binary logistic classification - Binary Classification : 둘중에 하나 고르는 것 -> ex) Spam(1), Han(0) -> ex) Show(1), Hide(0) 학습 시간에 대한 합/불합 여부를 예측하기 위해 binary classification, 즉 binary logistic classification이 사용될 수 있다.. 만약 합/불합 여부 예측 문제를 Linear Regression으로 학습하는 경우 여러 문제점이 발생한다. 문제점 1.가장 오른쪽에 있는 data처럼, 학습 데이터에 엄청 많이 공부한 사람이 있고, 이를 Linear Regression으로 학습시키면,선(가설)과 데이터의 차이를 최소로 하기 위해 선이 기울어져 버린다..
Lec0. ML 소개 - ML의 기본적 알고리즘 : Linear Regression, Logistic Regression-> Neural Networks, Convolutional Neural Network, Recurrent Neural Network 등의 Deep Learning 알고리즘을 이해하기 위한 기본적 알고리즘이다. Lec1. ML의 기본 개념 - Machine Learning : 명시적으로 코딩하지 않고도 컴퓨터가 학습할 수 있는 알고리즘, 기술을 개발하는 분야 - 학습 방법에 따라 Supervised Learning과 unSupervised Learning으로 나누어 진다.- Supervised Learning(지도 학습) : ML에서 가장 일반적인 문제 -> 데이터에 대한 레이블-명시적..