Forward Propagation of Neural Networks
딥러닝의 가장 기본적인 연산들에 대해 알아보자.
Deep Learning Process
딥러닝 모델은 데이터를 먹고 산다.
그러므로 데이터셋이 필요하다.
(Data Perparation)
학습을 시키기 위해 뉴럴 네트워크를 설계한 후 구현해야 한다.
(Neural Network Design & Implementation)
학습의 과정을 겪게 된다.
(Model Traning)
이 모델이 얼마나 성능을 내는지 평가. 상용화 판단.
(Performance Evaluation)
웹/앱 혹은 서비스에 실제로 적용
(Model Deployment)
위와 같이 동작하는 일련의 과정이 딥러닝이다.
Model Traning
모델을 하나의 함수라고 가정했을 때, 파라미터로 데이터를 넣으면
정의된 모델의 연산 규칙에 따라 모델에 Prediction을 하게 된다.
일련의 과정들을 연산하는 게 이 강의의 핵심
(Loss Calculation도 Forward Propagation. 틀렸는지 맞았는지도 수치화)
위 연산 안에서 값을 구하기 위해 Gradient Calculation
Parameter Update
이 강의는 Model Prediction과 Loss Calculation에 집중되었다.
최종적으로 만들 모델은 LeNet(르넷)임.
인공지능의 다양한 알고리즘을 이용하기 위해서는 연산을 확실이 이해하고 넘어가야 함.
AN(Aritificial Neuron)
#패스트캠퍼스 #패캠챌린지 #직장인인강 #직장인자기계발 #패스트캠퍼스후기 #딥러닝강의
반응형
