230426~230504_83~89일차 : Spring 시험 & 분산처리 & 머신러닝(패스) / 230508_90일차 : 딥러닝

1교시, 2교시, 3교시, 4교시 - 딥러닝

1. 딥러닝 개요

1) 딥러닝

좌) 머신러닝에서 기계가 판단하는 기준 : 임계치 => 우) 딥러닝의 시작

머신러닝에서 유사한 앙상블(여러 모델들을 종합), 딥러닝에서 다른 점은 각각의 모델들이 만들어낸 결과를 직접적으로 주고받음 / 병렬적으로 연결된 다층구조

Perceptron(뉴런을 수학적으로 이용,해결), 학습의 문제점 과대적합과 그 해결

우) loss function : 모델의 예측결과 판단  / optimizer : 최적화 도구(얼마나 올릴것인지에 대한 판단), 경사하강법 알고리즘이 도와줌 // performance measure : 회귀, 분류 평가방법으로 최종판단

좌 ) 딥러닝 : 사람의 손을 최대한 타지않는 모델로 많은 양의 데이터가 필요함 / 우 ) 시간과 비용을 고려해야함)

2) 실습 : ex00_keras 맛보기

내 pc가아닌 '클라우드'를 통해 사용하므로 사용량 제한이 있음 / 구글 colab 검색, 새노트를 저장하면 구글 드라이브 접속하여 사용가능함(구글드라이브 - 내 드라이브 - Colab Notebooks폴더 내부 - 우클릭하여 폴더생성 - 폴더내부에 들어가서, 우클릭 - 더보기 - colab collabora~ 클릭)

임시적인 공간으로 종료시 없어진다(데이터는 드라이버공간에 넣고 연결하여 사용할것 = 드라이브 마운트라고 함)

3) 퍼셉트론, 다층 퍼셉트론 개념

역치 : 일정기준 이상이면 값을 넘기고, 미만이면 넘기지 않음

선형함수와 활성화함수가 만나 최종적인 퍼셉트론 예측값이 됨