[Coursera] 1. Neural Networks and Deep Learning - Week 1. Introduction to Deep Learning

 

MLB의 커리큘럼 중 

Andrew Ng 교수님의 Coursera 강의 내용을 정리해보겠습니다.

그 중 먼저 Neural Networks and Deep Learning 파트를 간략히 쭉 정리하겠습니다.

 

Week 1. Introduction to Deep Learning

1. What is a Neural Network?

 

집 크기에 따른 집 가격 예측을 해본다면

x에는 size of house가 들어가게 되고, y에는 price가 들어감.

그래프를 그려보면 아래와 같음.

 

파란색 그래프를 그리고 size of house에 따른 house price를 예측할 수 있음.

우측 검은 그림을 보면 x값인 size of house값을 단일 뉴런을 통과시켜 price를 예측함.

그래서 구현된 그래프가 파란색 그래프임.

크기값을 최대 0으로 설정하고 선형인 그래프를 갖는 해당 함수는 ReLu. Ractfied Linear Unit이라 불림.

 

 

사실상 x값은 여러가지가 올 수 있으며, 여러 뉴런이 필요하게 됨.

 

 

2. Supervised Learning with Neural Networks

 

이렇게 x,y를 가지고 예측을 진행하는 훈련 방식을

Supervised Leaning이라고 함.

 

Supervised Learning은 standedNN, CNN, RNN, Customal Hybrid에 쓰일 수 있음.

 

Supervised Learning 데이터의 종류에는 

Structured Data, Unstructured Data가 있음.

Structed Data는 DB형태의 데이터,

Unstructed Data는 Image, Audio, Text 등 DB형태로 만들 수 없는 데아터임.

 

 

3. Why is Deep Learning taking off?

 

딥러닝이 최근 급부상하는 이유를 묻는다면?

아래와 같은 그래프를 그릴 것임.

 

데이터. 정확히는 라벨링된 데이터가 많아지고,

모델이 커지면서 성능이 좋아짐.

 

또한 딥러닝에서의 프로젝트는 우측과 같이 Idea-> Code-> Experiment 의 반복으로

진행되는데

좌측의 Data, Computation(계산 능력이 증가한 CPU,GPU를 말함), Algorithms(다양한 방법론 등장)로 

인해서 빠르게 진행할 수 있게 됨.

그래서 결과를 빨리 확인하고 수정해서 빠르게 더 좋은 성능의 모델을 만들어 낼 수 있음.