본문 바로가기

데이터 및 Programing/Part1. Basic Knowledge13

머신러닝, 딥러닝 학습 , 최적화(Optimization)에 대해서 (SGD, Momentum, RMSProp, Adam) 딥러닝의 최적화를 하는 방법에 대해 간단하게 알아 보겠다. 1. 딥러닝 최적화 딥러닝은 매개 변수(가중치)를 갱신하는 방법으로 최적화를 한다고 볼 수 있다.(내 생각임) 1) 확률적 경사하강법(Stochastic Gradient Descent, SGD) - 최적의 가중치 값을 구하기 위해 미분을 통해 기울기를 구하고 가중치를 갱신방법으로 전체를 한번에 계산하지 않고, 확률적으로 일부 샘플을 뽑아 조금씩 나누어 학습 시키는 방법 (이게 핵심) - 한번에 처리하는 속도가 빠르다! 왜냐면 일부 샘플만 뽑아서 계산하니까! 계산 양이 작음 즉! 계산양도 작으니까 필요한 HW성능(메모리 같은거) 많이 안쓰고, 그래서 큰 데이터셋에서도 학습가능 하지만! 확률적으로 일부 샘플을 뽑아서 학습하기 때문에 손실함수가 계산과.. 2022. 1. 15.

딥러닝(Deep Learning)의 정의와 역사, 신경망의 정의와 활용 1. 딥러닝의 정의 - 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화 (abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계 학습 알고리즘의 집합 - 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야 (머신 러닝의 범주 안에 속함.) 2022.01.06 - [Programming Python/Part1. Basic Knowledge] - 머신러닝(Machine Learning)의 정의 와 분류 머신러닝(Machine Learning)의 정의 와 분류 1. 머신러닝 (machine) - 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야 - 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연.. 2022. 1. 11.

머신러닝(Machine Learning)의 정의 와 분류 1. 머신러닝 (machine) - 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야 - 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구. 인공지능의 한 분야로 간주됨 - 머신러닝은 데이터를 통해 다양한 패턴을 감지하고, 스스로 학습할 수 있는 모델 개발에 초점이 맞추어져 있음. - AI의 범주에 들어가는 형태 2. 머신러닝의 분류 1) 지도 학습 (Supervised Learning) - 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법 - 입력과 정답 데이터를 사용해 모델을 학습 시킨 후 새로운 입력 데이터에 대해 정확한 출력을 예측하도록 하는 것! (쉽게 말해 입력 데이터와 출력데이터에 대해 .. 2022. 1. 6.

객체 탐지(Object Detection)의 소개와 종류, 기술의 흐름 1. 객체 탐지(Object Detection) 간단하게 말하면 주어진 이미지(사진, 동영상, CCTV 등등) 내 사용자가 관심 있는 객체를 탐지하는 기술입니다. 널리 알려져 있는 분야로 얼굴 검출, 보행자 검출, 등이 있으며 코로나 시대에 대형 마트 같은 곳에 가면 카메라를 이용하여 체온 측정할때에도 사용이 됩니다. 그리고 요즘 많이 화제가 되고 있는 자율 주행 자동차에 사용되는 것이 아주 대표적인 사례라고 할 수 있겠습니다. 2. 객체 탐지 모델의 기술 흐름. 객체 탐지의 역사(?) 관련되어서는 아래의 논문을 보면 잘 알 수 있다. [Object Detection in 20 Years: A Survey, Zhengxia Zou, Zhenwei Shi, Member, IEEE, Yuhong Guo, a.. 2021. 10. 13.

이전 1 2 3 4 다음

티스토리툴바