ㅅㅇ

플레이데이터 빅데이터캠프 공부 내용 _ 7/14 딥러닝 _05_Deep Neural Networks 모델 성능 개선 기법들 0. 성능을 결정하는 요소 => 최적화 - 일반화 학습 !! (과적합 줄이기) 특히, 딥러닝에서는 과대적합을 줄일 수 있어야 한다.!! [ 정확도 와 Loss 중 무엇을 더 중요시 생각해야 할까? ] = > 성능을 비교할 때는 항상 loss가 기준이다. 정확도는 참고사항 그렇다면, 애초에 Accurancy 와 Loss 의 성능의 결과는 왜 일치 하지 않을까? - 정확도는 label 을 기준으로 몇 개 중에 몇 개를 맞췄는 지 보는 것이다. - Loss 는 얼마만큼의 확률로 맞췄는지 보는 것이다. (그저 맞춘 것 뿐만 아니라, 얼마만큼의 오차를 가지고 있는지까지 보는 것.) - 틀리더..

플레이데이터 빅데이터캠프 공부 내용 _ 7/13 딥러닝 _04_tfdata 파이프라인 1. tf.data 모듈 - 데이터 입력 파이프라인을 위한 모듈 : 모델에 입력해줄 데이터를 만드는 파이프라인 => 모델 학습/평가를 위한 대용량 데이터셋을 제공(feeding)하기 위한 모듈 => raw dataset 에서 입력을 위한 전처리, 배치 크기, shuffling 등을 한번에 처리할 수 있게 한다. - tf.data.Dataset 추상클래스에서 상속된 여러가지 클래스들을 제공 - 입력 소스의 제공 형태에 따라 다양한 방식을 제공 - 각 tf.data 함수들은 각 기능에 맞게 데이터를 처리하는 Dataset 객체 를 반환한다. = > 반환되는 Dataset 은 또다른 tf.data 함수의 input 으로 들어..

플레이데이터 빅데이터캠프 공부 내용 _ 7/12 딥러닝 _03_DNN (Deep Neural Network) 신경망 구조 (2) _ 최적화 1. Optimizer (최적화 방법) : Training 시 모델 네트워크의 parameter를 데이터에 맞춰 '''최적화''' 하는 알고리즘 - Deep Learning은 경사하강법(Gradient Descent)와 오차 역전파(back propagation) 알고리즘을 기반으로 파라미터들을 최적화한다. - 최적화 란? - 모델 네트워크가 출력한 결과와 실제값(Ground Truth)의 차이를 정의하는 함수를 Loss function(손실함수, 비용함수) 라고 한다. - Training 시 Loss function이 출력하는 값을 줄이기 위해 파라미터(weight..

플레이데이터 빅데이터캠프 공부 내용 _ 7/12 딥러닝 _03_DNN (Deep Neural Network) 신경망 구조 (1) 1. Neural Network 신경망 : 가장 기본적인 Deep Learning 모델 구조 MSP(Multi Layer Perceptron) Multi Layer = Deep, Neural Network = Perceptron 2. 신경망 구성요소 - 층(Layer) : Network를 구성하는 Layer(층) = > 각각의 layer 는 parameter(모델 학습할 대상 - 학습을 통해 찾아야 파라미터) 를 가지고 있다. - feature 과 label 를 가지고 둘의 관계를 말하는 함수를 찾기위해 각 layer의 parameter 를 찾아 식을 완성하는 게 학습에서 하는..

플레이데이터 빅데이터캠프 공부 내용 _ 7/11 딥러닝 _02_첫번째 딥러닝- MLP 구현 MLP(Multi Layer Perceptron) - 가장 기본적인 딥러닝모델의 구조 - dense layer 로만 이뤄진 모델 구조 1. Keras 개발 Process 1. 입력 텐서(X)와 출력 텐서(y)로 이뤄진 훈련 데이터를 정의 2. 입력과 출력을 연결하는 Layer(층)으로 이뤄진 네트워크(모델) 구조를 을 정의 (딥러닝은 머신러닝과 달리 모델 구조는 우리가 설정해야 한다.) - Sequential 방식: 순서대로 쌓아올린 네트워크로 이뤄진 모델을 생성하는 방식 - Functional API 방식: 다양한 구조의 네트워크로 이뤄진 모델을 생성하는 방식 - Subclass 방식: 네트워크를 정의하는 클래스..