[ 딥러닝 기초 ] 딥러닝 기본 용어 설명

인공지능이란 사람의 지능을 모방하는 것입니다. 

 

인강의 지능을 모방하는 AI 안에 Machine Learninig이 존재합니다.

무언가를 학습하고자 할때 데이터를 통해서 하는 것입니다. 

 

그 안에 Deep Learning이 존재합니다. 

인간의 지능을 모방하면서 + 데이터를 통해 학습하는 것 안에 있으며 모델이 NN구조를 사용하는 것입니다.

 

 

딥러닝에 기본이 되는 주요 요소 

• data
• model : 무언가를 학습하고자 하는 모델이 필요합니다.
• 모델을 학습시키기 위한 loss function이 필요합니다. 
• loss function을 최소화하고자 하는 algorithm이 필요합니다.

 

 

model 

같은 task, data가 주어졌다 하더라도 model의 성질에 따라 결과는 다양하게 나옵니다.

 

 

Loss 

model과 data가 정해져있을 때, 모델을 어떻게 학습할지입니다.

딥러닝을 다룰 예정이기 때문에 모델은 어떻게든 NN 형태를 갖게 될 것입니다. 

weight의 param. 을 어떻게 update 할 것인지 ,, 기준이 되는 loss function을 정의하게 됩니다.

 

loss function이란 이루고자 하는 근사치에 불과합니다. 

loss function이 줄어든다고 우리가 원하는 값을 항상 이룬다는 보장은 없습니다.

 

 

Algorithm

네트워크를 어떻게 줄일지에 대해 의미합니다. 

NN의 파라미터를 loss function에 대해서 일차 미분한 정보를 활용할 것입니다.