Eundms

1주차 : Recurrent Neural Networks 2주차 : Natural Language Processing & Word Embeddings 3주차 : Sequence Models & Attention Mechanism 4주차 : Transformer Network

😎 지식/머신러닝 딥러닝🦾 2022. 7. 27. 15:42

1주차_Foundations of Convolutional Neural Networks 2주차_Deep Convolutional Models: Case Studies 3주차_Object Detection 4주차_Special Applications: Face recognition & Neural Style Transfer

😎 지식/머신러닝 딥러닝🦾 2022. 7. 23. 20:18

1주차 2주차

😎 지식/머신러닝 딥러닝🦾 2022. 7. 16. 16:12

1주차 2주차 3주차 그림 넣기 편하고, 구조화하기 편한 notion으로 정리한후 복붙해서 tistory에 옮길려했는데.... (이미지 다운로드받아서 하나하나 다 넣어야 함)

😎 지식/머신러닝 딥러닝🦾 2022. 7. 1. 11:56

행렬의 차원을 확인해서, 코드가 정확한지 확인하자 input -----> output ex) 얼굴, 음성 n개의 unit 를 계산하기 위해서, 1) 여러 개의 숨겨진 layer가 있는 신경망을 사용했을 때 => O(logN)의 깊이가 필요했다. 2) 하나의 Layer만 사용한다면 => hidden Unit이 엄청 많아야 한다. O(2^N) 파라미터, 하이퍼파라미터 ?? 딥러닝 과정은 반복시도이다. CPU, GPU, Network도 변하고 있으므로, Cross-Validation과 같은 시도를 통해 적합한 값을 찾아야 한다.

😎 지식/머신러닝 딥러닝🦾 2022. 6. 28. 23:52

[ 헷갈렸던 부분에 대한 동기의 답변 ] 로지스틱에서의 가중치 식은 뉴럴 네트워크의 가중치 식중에 가장 쉬운 식이다. (그래서 NN설명 전에 로지스틱 설명한 거임) 가중치 계산 방법은 비슷한데 1) input 개수 2) activation Function 함수 3) 차수 등에 따라 가중치 그래프 모양이 달라진다. 1 layer NN 을 backward하고, 1 hidden layer(=2 layer NN)NN 도 동일한 방법으로 backward해보자 >> 나중에는 N Layer (Deep Layer)에 대해 Backward할 것이다. Neural Network 의 하나의 노드들은 다음과 같이 구성되어 있다. 동기가 말한 것처럼 이번 예제에서 z는 다음과 같다. 앞으로 예제에서 사용할 표기법은 다음과 같다..

😎 지식/머신러닝 딥러닝🦾 2022. 6. 28. 21:55

Loss Function single training dataset : 예측값이 실제 값과 얼마나 다른지 신경망 훈련에 도움 Cost Function 전체 training dataset 각 training dataset에 대한 Loss값의 1) 평균 (강의에서는 평균값 사용) 2) 중앙값 등을 이용해서 전체 training dataset에 대한 Cost Function을 정의한다. 초기값에서 부터, Gradient Descent을 통해서, Cost Function이 최소화되는 w와 b를 찾는 것(=Global Optimization에 가까운 w,b)이 목표이다. Back Propagation Step 을 통해 전체 training dataset에 적합한 w,b를 찾아보자 = Backward Pass = ..

😎 지식/머신러닝 딥러닝🦾 2022. 6. 25. 20:32