AI37 [ Chapter.03 ] 퍼셉트론에서 신경망으로 신경망은 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 능력이 가장 중요한 성질이라고 볼 수 있습니다. 01. 신경망의 예 신경망은 입력층, 은닉층, 출력층으로 구성됩니다. 각각 1층씩만 있다고 가정하면, 신경망은 총 3층으로 구성됩니다. 하지만 가중치를 갖는 층은 2개뿐이기 때문에 2층 신경망이라고 합니다. 02. 퍼셉트론 복습 b: 편향을 나타내는 매개변수 = 뉴런이 얼마나 쉽게 활성화되느냐를 제어합니다. w1, w2: 각 신호의 가중치를 나타내는 매개변수 = 각 신호의 영향력을 제어합니다. 아래는 퍼셉트론의 동작입니다. 입력 신호의 총합이 h(x)라는 함수를 거쳐 변환되어, 그 변환된 값이 y의 출력이 됨을 보여줍니다. 03. 활성화 함수의 등장 방금 위에서 설명한 h(x) 함수를 살펴보겠습.. 2022. 7. 28. [ Chapter.03 ] 손글씨 숫자 인식 01. MNIST Dataset MNIST Dataset은 0 ~ 9까지의 숫자 이미지로 구성됩니다. train은 60,000장, test는 10,000장 준비되어 있습니다. 이미지 데이터의 크기는 28x28 (회색조 이미지 = 1채널) 입니다. 각 픽셀은 0 ~ 255까지의 값을 가집니다. label 또한 붙어 있습니다. 이미지들을 사용하여 모델을 학습하고, 학습한 모델로 시험 이미지들을 얼마나 정확하게 분류하는지를 평가합니다. MNIST 이미지 화면으로 불러오기 이미지 표시할 때 : 원래 크기 필수 PIL: numpy -> PIL용 데이터 객체로 변환해야 함 현재 데이터는 flatten: 1차원 numpy 배열로 저장되어 있습니다. 이미지를 표시할 때는 원래 크기인 28x28 형태를 유지해야 합니다... 2022. 7. 27. [ CHAPER.01 ] 한눈에 보는 머신러닝 1. 머신러닝이란? 머신러닝은 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야입니다. 성능 측정 P는 직접 정의해야 하며, 분류 작업에 자주 사용되는 예시로는 정확도(accuracy)가 있습니다. 2. 왜 머신러닝을 사용하는가? 머신러닝은 유동적인 환경으로, 새로운 데이터에 적응할 수 있습니다. 또한 복잡한 문제와 대량의 데이터에서 통찰을 얻을 수 있습니다. 3. 애플리케이션 사례 4. 머신러닝 시스템의 종류 먼저 머신러닝 시스템을 학습하는 동안의 감독 형태나 정보량에 따라 분류할 수 있습니다. 01) 지도 학습 / 비지도 학습 / 준지도 학습 지도 학습 훈련 데이터에 label이라는 원하는 답이 포함됩니다. classification이 전형적인 지도 학습입니다.(ex. spam.. 2022. 7. 27. [ Coursera ] Supervised Learning / Unsupervised Learning Machine Learning Algorithms Supervised Learning: teach the computer how to do something Unsupervised Learning: learn by itself Reinforcement Learning Recommender Systems Tom Mitchell provides a more modern definition: "A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves.. 2022. 7. 26. 이전 1 2 3 4 5 6 7 ··· 10 다음
