일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 코로나19
- 디미고
- 풀스택
- 중3
- 특별전형
- 머신러닝
- 우분투
- graphql
- 웹개발
- 해킹방어과
- 플러터
- 학생
- Flutter
- 이비즈니스과
- 대나무숲
- 딥러닝
- 웹프로그래밍과
- 워게임
- 디지털컨텐츠과
- 디미고특별전형
- 등교개학
- 일상
- pwnable.kr
- 인공지능
- TensorFlow
- WebHacking
- coursera
- 디미고입학
- apollo
- 시스템해킹
- Today
- Total
목록전체 글 (44)
꿈이 너무 많은 한 대학생의 공간
원문 : www.coursera.org/learn/machine-learning/supplement/1O0Bk/unsupervised-learning Unsupervised Learning (비지도 학습) 비지도 학습은 데이터 값 사이의 관계나 결과값을 모르는 상태에서, 문제에 대해 접근하는 방식을 말합니다. 우리는 딱히 알 필요 없는 변수의 효과를 모르는 상태에서, 데이터 사이의 패턴을 데이터 값 안의 관계를 통해 클러스터링(묶음)함으로써 이끌어 낼 수 있습니다. 비지도 학습에서는, 예측 결과에 대해 모델에 대한 피드백이 필요가 없습니다. 예제 : 클러스터링 : 백만개의 각각 다른 유전자에 대한 정보를 가지고, 우리는 이 유전자들을 수명, 위치, 역할, 그런 관계를 통해 어떻게 해서든 묶어내야 합니다...
원문 - www.coursera.org/learn/machine-learning/supplement/NKVJ0/supervised-learning 지도 학습(Supervised Learning) 지도 학습에서는, 우리는 입력값과 출력값의 관계를 이미 안다고 가정 하에, 어떠한 데이터셋들을 받고 올바른 출력값이 무엇인지 안 상태에서 진행합니다. 지도 학습에서의 문제는 크게 회귀(Regression), 분류(Classification)으로 나뉩니다. 회귀 문제에서는 연속되는 출력 내에서 결과를 예측하는 것을 목표로 하는데, 이는 입력 변수를 어떤 연속 함수에 매핑하면서 그에 대한 출력값을 예측하는 것이 회귀 문제입니다. 분류 문제에서는, 우리는 이산적 출력값(0 또는 1)을 통해 결과를 예측하려 합니다. 즉..
원문 - www.coursera.org/learn/machine-learning/supplement/aAgxl/what-is-machine-learning Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera Learn online and earn valuable credentials from top universities like Yale, Michigan, Stanford, and leading companies like Google and IBM. Join Coursera for free and transform your career with degrees, certificates, Specializa..
1. 퍼셉트론 정리 지금까지 우리는 싱글 인풋 뉴런, 멀티 인풋 뉴런, 멀티 레이어 뉴런, 선형과 비선형의 차이 등을 배웠습니다. 앞으로의 강의에서 수월하게 설명하기 위해 개념을 다시 짚겠습니다. 사람의 뇌는 뉴런으로 이루어져 있습니다. 뉴런은 하나의 입력값을 받고 연산을 처리한 뒤 다른 뉴런으로 전달하고, 이 과정이 반복되면 인간은 학습을 하게 됩니다. 머신러닝 또한 마찬가지입니다. 뉴런(또는 퍼셉트론, 뉴런이라 하기도 하지만 퍼셉트론이라는 단어를 더 많이 사용하는 것 같습니다. 강의에 따라 뉴런이라 부를 수도 있고, 퍼셉트론이라고 부를 수도 있습니다.)이 서로 연결되어 연산을 처리하고 최종 출력값이 나오는 것처럼 이 과정을 통해 인공지능 모델이 만들어지게 됩니다. 위 사진은 멀티 레이어 퍼셉트론(ML..
본 포스팅은 구름EDU 딥러닝 이론 및 파이썬 실습 (허민석) 을 참고하여 작성된 요약본입니다. 비전문가가 작성하였으므로 참고만 해주시길 부탁드립니다. 1. 선형이란? 머신러닝에서의 선형은 머신러닝 공식에서의 계수들이 선형적인 관계에 있을 때를 선형 모델이라고 합니다. (선형적인 관계란 강의에서 구체적으로 나와있진 않지만, 정보를 찾아보며 조합해본 결과 두 변수들의 값을 좌표평면에 표시했을 때, 직선으로 이루어졌을 때 두 변수를 선형 관계에 있다고 유추됩니다.) 이해가 잘 가지 않지만 최대한 이해하기 위해 강의에서 제공해주신 예제를 확인해보겠습니다. 위와 같이 w1과 w2의 관계를 표현하는 그래프가 있다고 가정합시다. 만약 3w1과 2w2를 위와 같이 표현했을 때, 위와 같이 3w1 + 2w2 로 나타낼..
본 포스팅은 구름EDU 딥러닝 이론 및 파이썬 실습 (허민석) 을 참고하여 작성된 요약본입니다. 비전문가가 작성하였으므로 참고만 해주시길 부탁드립니다. 1. 텐서 텐서는 간단하게 말하자면 C언어의 배열이다. C언어에서 1차원, 2차원 배열이 있듯이 텐서도 여러가지 종류가 있다. 텐서의 랭크(C언어의서의 N차원 배열 에서의 N)에 따라 불리는 이름이 다르다. 랭크가 0이면 Scalar(스칼라) 라고 부른다. [ 1 ] 처럼 하나의 값을 가지고 있는 것을 스칼라 라고 부른다. 랭크가 1이면 Vector(벡터) 라고 부른다. [ 1, 2, 3 ] 처럼 스칼라보다 더 많은 값을 가지면서 같은 차원으로 이루어진 것을 벡터 라고 부른다. 스칼라와 차이점은 역시 자료의 수이다. 1차원(쉽게 말하기 위해 C언어에서의 ..
본 포스팅은 구름EDU 딥러닝 이론 및 파이썬 실습 (허민석) 을 참고하여 작성된 요약본입니다. 비전문가가 작성하였으므로 참고만 해주시길 부탁드립니다. 1. 멀티 레이어 퍼셉트론이란? 멀티 레이어 퍼셉트론은 실제 인간의 뇌에서 비롯되었다. 인간의 뇌는 수많은 뉴런으로 이루어져 있다. 가지 돌기를 통해 신경 세포체, 축삭 돌기를 거쳐 또 다른 가지 돌기로 들어가 수없이 많은 과정을 거쳐 뇌가 작동하는 것이다. 우리는 각 뉴런을 레이어(Layer)라고 지칭하고, 현재 처리가 이루어지고 있는 레이어를 현 레이어라고 지칭한다. 2. XOR 연산 XOR 연산은 둘 중 하나만 1일때 참이 되는 연산이다. 즉, (0, 0)이 참이 될 수 없고, (1, 1) 또한 참이 될 수 없다. 간단히 말하자면 좌표평면에서 진리표..
본 포스팅은 구름EDU 딥러닝 이론 및 파이썬 실습 (허민석) 을 참고하여 작성된 요약본입니다. 비전문가가 작성하였으므로 참고만 해주시길 부탁드립니다. 1. 멀티 인풋 뉴런이란? 싱글 인풋 뉴런에서는 f(p * w + b) = a(f는 활성 함수, p는 자극, w는 가중치, b는 편향)의 형태로 뉴런이 작동했습니다. 하지만 실제 뇌에서 작동하는 뉴런은 한 개 이상의 자극을 받는다. 그러므로 싱글 인풋 뉴런으로는 효과적으로 처리할 수 없다. 싱글 인풋 뉴런과 큰 차이점은 없다. 단지 p가 하나 더 늘어났을 뿐이다. 즉 2개의 입력을 받는 멀티 인풋 뉴런은 다음과 같은 형태를 띈다. f( (p1 * w1) + (p2 * w2) + b ) = a (이때 p1, p2는 자극, w1, w2는 가중치, b는 편향,..