😎 지식

[Coursera3] Structuring Machine Learning Projects

1주차2주차

😎 지식/머신러닝 딥러닝🦾 2022. 7. 16. 16:12

[Coursera2]Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization

1주차2주차3주차 그림 넣기 편하고, 구조화하기 편한 notion으로 정리한후복붙해서 tistory에 옮길려했는데.... (이미지 다운로드받아서 하나하나 다 넣어야 함)

😎 지식/머신러닝 딥러닝🦾 2022. 7. 1. 11:56

[Coursera1] Neural-Networks-Deep-Learning : Deep Neural Network

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

[Coursera1] Neural-Networks-Deep-Learning : Neural Network - Representation, Vectorization, Activation Function, Gradient Descent, Initialization

[ 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

[Coursera1] Neural-Networks-Deep-Learning : Logistic Regression - Loss /Cost Function, BackPropagation(w,b), Vectorization

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

[AWS] IAM ?

IAM 글로벌 서비스 AWS 서비스와 리소스에 대한 액세스를 안전하게 관리 AWS 계정 관리 및 리소스/사용자/서비스 권한 제어 사용자 생성 및 관리, 계정의 보안 다른 계정과의 리소스 공유 구성 1. 사용자 2. 그룹 3. 정책 사용자, 그룹, 역할이 무엇을 할 수 있는지에 관한 문서 JSON 형식으로 정의됨 4. 역할 AWS 리소스에 부여하여 AWS 리소스가 무엇을 할 수 있는지 정의 다른 사용자가 역할을 부여 받아 사용 다른 자격에 대해서 신뢰관계를 구축할 수 있다. 역할을 바꾸어 가며 서비스를 사용할 수 있다. 1. 계정이 털리지 않으려면, MFA 설정을 하고 2. 루트 사용자와 IAM 사용자를 구분하여 사용하자. 적용 참고 영상/블로그 IAM 개념 MFA 설정하기 https://bluewins...

😎 지식/클라우드☁️ 2022. 6. 19. 15:56

05. 클라우드 실현 기술

가상화 기술 / 컨테이너 기술 / 분산 처리 기술 / 데이터베이스 기술 / 저장 기술 1. 가상화 기술 하드웨어 리소스를 논리적으로 다룰 수 있게 만드는 메커니즘. 1) 서버 가상화 기술 : 하나의 물리적 서버 리소스를 논리적으로 나누어 여러 개의 서버 환경에 할당하는 기술. 물리 서버의 수가 줄어들어 공간 절약과 비용 절감이 가능하다. 각각의 가상 서버는 독립된 상태이므로, 같은 물리 서버에 있는 가상 서버 중 하나가 바이러스와 같은 위협에 노출되더라도 다른 가상 서버에게 영향을 미치지 않는다. - 하이퍼바이저 형 하나의 물리 서버 하드웨어 위에 '하이퍼바이저'라는 가상화 소프트웨어를 동작시키고, 그위에 여러 개의 게스트os를 가동시키는 형태. 각 서버의 처리 능력은 물리 서버보다 떨어진다. 장점 : ..

😎 지식/클라우드☁️ 2021. 10. 4. 17:05

04. 클라우스 서비스와 그 이용법

가상 서버 : 가상 CPU의 성능과 메모리 용량을 사용 용도 시스템의 규모에 맞게 선택 로드 밸런서 : 가상 서버 이중화 & 부하 분산 & 오토 스케일 스토리지 서비스 : 데이터, 콘텐츠 아카이브, 백업 파일 서버의 사용, 시스템의 재해 대책 등 VPN 망이나 전용선 : 높은 보안 수준의 네트워크 서비스를 이용 가상 서버에서 로드 밸런서, 오토 스케일, 정기적인 스냅샷 설정이 가능하다. 리전 : 지리적으로 떨어진 독립적인 지역 - 재해 대책과 BCP 실현 가능. 존 : 같은 지역 내의 독립적인(빌딩 등 물리적으로 격리된) 로케이션 - 복수개의 존을 선택하여 시스템의 이중화 및 부하의 분산 처리가 가능하다. 로드 밸렌서 : 시스템의 이중화 및 부하 분산 대량의 접속에도 대응. 오토 스케일 : 접속이 집중되..

😎 지식/클라우드☁️ 2021. 10. 1. 09:44

페이징

1 ··· 4 5 6 7 8 9
728x90

티스토리툴바