[AI 엔지니어 기초 다지기] 16일차

[24.02.13]

5주차 20차시 - 딥러닝 기초(1)

 

 

딥러닝??

1. 딥러닝의 위치는??

  인간 지능을 모방하는 A.I.

   -> 데이터 기반으로 학습하는 Machine Learning

   -> 학습에 Neural Network 모델을 사용하는 Deep Learning

 

2. 딥러닝의 4가지 key components

 (1) 데이터 : The Data that the model can learn from)

 (2) 모델 : The model how to transform the data)

 (3) 손실함수 : The loss function that quantifies the badness of the model)

 (4) (최적화)알고리즘 : The algorithm to adjust the parameters to minimize the loss)

 

 

데이터Data

 - 우리가 풀고자 하는 문제에 따라 달라진다.

 - 분류Classification 문제(input에 대해서 하나의 레이블을 예측)

 - Semantic Segmentation 문제( = dense prediction. 이미지사진에 있는 모든 픽셀을, 해당 픽셀이 속하는 class로 분류)

 - Detection 문제(이미지 내의 다수의 객체를 식별하고 위치를 찾음)

 - Pose Estimation, Visual QnA 등등...

 

 

 

모델Model

 - Input 데이터를 우리가 원하는 형태로 transform해주는 것.

여러가지 Deep Learning Models

 

 

손실함수Loss function

 - The loss function is a proxy of what we want to achieve

 - 모델과 데이터가 정해져 있을 때, 가중치와 편향을 어떻게 업데이트 할 지, 그 방향성을 정해주는 함수. 풀고자 하는 문제에 따라 사용해야 하는 손실함수 또한 달라진다.

문제에 따른 손실함수

 

 

 

(최적화)알고리즘(Optimization)Algorithm

 - 데이터와 모델, 손실함수가 정해져 있을 때 network를 줄이는 방법을 말한다. 여기서 network란 인공신경망의 복잡성을 줄이는 방법, 즉 뉴런의 수를 줄이거나, 층의 수를 줄이는 방법 등을 의미한다.

 - 쉽게 말해 말 그대로, 모델을 최적화 하는데에 사용되는 알고리즘을 말한다.