[강의 주제] 왜 최근에서야 딥러닝이 강력한 도구로 부상했는지 알 수 있다. [키워드] 데이터 크기(Scale of Data) 컴퓨팅 성능 향상(Computation) 알고리즘(Algorithm) [강의 내용] Annotation training sets의 number(수)를 나타낼 때나 training example의 개수를 나타낼 때 소문자 m을 사용하고, 가로축에 표기될 것 Deep한 모델 일수록 더 많은 데이터가 필요하며, 이는 Figure 1.에서 나타난 바와 같이, 좋은 퍼포먼스로 나타날 수 있고, 데이터를 추가할수록 성능이 일시적으로 향상되어 보이는 효과가 있다. 고성능의 프로그램에는 2가지가 필요하다. 첫 번째: 큰 신경망을 트레이닝 하기 위해 방대한 양의 데이터가 필요하다. 두 번째: 그..

강의 키워드 지도 학습(Supervised Learning) 입력(Input) 출력(Output) 구조적 데이터(Structured Data) 비구조적 데이터(Unstructured Data) 머신러닝의 방법은 지도 학습, 비지도 학습 등 여러가지 종류가 있다. 지도 학습이란, 정답이 주어진 데이터를 사용하여 컴퓨터를 학습 시키는 방법을 뜻한다. (input x가 있으면, 해당 값과 연계되는 output y를 배워야 한다) 앞 강의에서 배운 신경망(neural network)을 이용해 지도 학습을 구현할 수 있다. 분야에 따라 적용되는 신경망이 다르다. ex) 이미지 분류를 위해 CNN(Convolution on Neural Networks) 사용, 음성을 텍스트로 변환 시키기 위해 RNN(Recurre..

강의 키워드신경망(Neural Network) 강의 내용신경망이란 input이 들어왔을 때, 알맞은 output을 매칭하는 함수를 찾는 과정이다,예를 들어, figure 1과 같은 집 크기에 비례하는 집값 데이터를 가지고 있을 때,figure 1. figure 2. figure 2에서의 파란 선과 같은 알맞은 함수를 찾아 결과값을 예측하는 것을 신경망을 통해 구현할 수 있다.이 때, 집 값의 가격은 (-)가 될 수 없으니, 음수 부분이 되는 직선 부분은 0으로 맞춰준다.이런 함수를 신경망으로 간단하게 나타내면 아래와 같다. 집의 크기(size)를 inpu..

[강의 키워드]Deep learningNeural NetworkCNNRNN [강의 내용]Deep Learning 을 포함한 새로운 Neural Network 를 어떻게 설계하는지, 어떻게 데이터를 가지고 학습 하는지 배워서 최종적으로 고양이 분류기를 실습할 것.NN (Neural Network) 작동원리 및 Hyper-parameter tunning, bias와 variance는 어떻게 찾는지, 최적화 알고리즘은 무엇이 있는지 배울 것.ML 프로젝트를 어떻게 구조화하는지 배울 것.이미지에 적용되는 CNN 모델 구축 방법에 대해서 배울 것.시퀀스 모델을 배우고 어떻게 자연어 처리나 다른 문제에 적용하는지 배울 것