KBW's cosmos

오늘은 다양한 신경망에 대해 배워보겠다. 다양한 신경망에서는 이미지 처리와 자연어 처리에 대해서 배울 것이다. 첫 번째로 이미지 처리를 위한 데이터 전 처리에 대해 배워보겠다. 우리 주변에는 위와 같은 이미지 처리 기술들이 있다. 이 기술들안에 딥러닝 기술이 포함되어 있다. 위와 같이 고양이 사진을 받아서 이것이 고양이인지 분류를 하기 위해서는 이미지를 모델에 입력을 해야한다. 그런데 우리는 그동안 잘 정리되어있는 정형 데이터만 DataFrame의 형태로 입력을 해왔다. 하지만 이미지는 DataFrame의 형태가 아니다. 그래서 먼저 이미지를 어떻게 데이터로 사용할 수 있는지 알아보겠다. 컴퓨터는 위와 같이 이미지를 픽셀 값을 가진 숫자 배열로 인식한다. (네모 한칸이 픽셀이다. 값은 픽셀을 채워주는 색..

오늘은 딥러닝을 어떻게 학습시키는지 방법을 배우고 텐서플로우를 바탕으로 딥러닝을 구현해보겠다. 지난 시간에 히든층이 많아지면 신경망이 더 깊어지고 이를 딥러닝이라고 한다고 했다. 이 딥러닝의 구성요소에 대해 알아보겠다. 보라색 원은 노드 또는 유닛이라고 부른다. 노드는 각 층을 구성하는 요소이다. 그리고 이 노드들을 연결하는 선을 가중치라고 얘기한다. 이 가중치는 노드 사이의 연결강도를 정한다. 마지막으로 모델을 구성하는 층을 레이어라고 한다. 이제 본격적으로 딥러닝 모델의 학습 방법에 대해 알아보겠다. 퍼셉트론, 딥러닝 둘 다 마찬가지로 최종적인 목적은 Loss 함수를 최소화하는 가중치를 찾는 것이다. 이것이 딥러닝 모델의 학습 방법이다. 이 가중치를 찾기 위해서는 최적화 알고리즘을 사용하게 되는데 뒤..

이번 시간에는 인공 신경망으로 알려진 딥러닝의 개념을 이해하고 신경망의 가장 기본 단위인 퍼셉트론에 대해 배워보겠다. 우선 인공지능, 머신러닝, 딥러닝의 관계에 대해 확인해보고 시작하겠다. 인공지능이라는 것은 말 그대로 인공적으로 사람의 지능을 구현하는 컴퓨터 시스템을 만드는 것을 의미한다. 이러한 기술을 실현하는데는 다양한 방법론들이 있고 그 중 하나가 머신러닝이다. 이런 머신러닝 기술도 다양한 기술들이 있고 그 중 한 가지 기술이 딥러닝이라고 보면 된다. 이제 본격적으로 딥러닝이란 무엇인지 알아보도록 하겠다. 딥러닝은 인공신경망에 기반해 사람의 사고방식을 가르치는 방법이다. 여기서 인공신경망이란 생물학의 신경망에서 영감을 얻은 학습 알고리즘으로 사람의 신경 시스템을 모방했다. 사람의 신경 시스템은 뉴..