딥러닝 1. 개념과 실행 기초수학

준비운동편 – 딥러닝의 개념과 실행, 딥러닝 기초수학

이름표(레이블)가 주어진 데이터를 가지고 지도학습을 할 수 있다. 이름표가 없으면 비지도 학습

컴퓨팅환경: GPU가 있는 환경이 좋음 주피터나 코랩을 사용하는 것이 좋다

딥러닝 프로그램 TensorFlow -> okeras 언어는 pythons

코랩 -> 수정 -> 노트 설정 -> 하드웨어가속기 GPU로 변경

Import tensorflow as tf

 

---

1. 준비

이름표(레이블)가 주어진 데이터를 가지고 지도학습을 할 수 있다. 이름표가 없으면 비지도 학습

 

컴퓨팅환경: GPU가 있는 환경이 좋음 주피터나 코랩을 사용하는 것이 좋다

 

딥러닝 프로그램 TensorFlow -> okeras 언어는 pythons

 

코랩 -> 수정 -> 노트 설정 -> 하드웨어가속기 GPU로 변경

 

Import tensorflow as tf

머신러닝: 데이터와 + 답을 입력해서 --> 규칙을 찾는 것.

 

기초수학 개념

y값의 증가량 /x값의 증가량 = a

그리고 y절편 b를 구하는 게 딥러닝의 시작

y = ax + b (a!=0)

이차함수와 최솟값 --> 미분과 순간 변화율 

 

---

2. 실습

https://github.com/taehojo/deeplearning 

GitHub - taehojo/deeplearning: <모두의 딥러닝 개정 3판> (길벗, 2022)의 소스코드 및 실습 데이터입니다.

 

 

 

 

 

---

 

2. 원리학습- 선형회귀 로지스틱 회귀를 배우는 이유

선형인지 로지스틱 회귀로 시작하는 지 정해야 함.

공부한시간을 기록한 데이터를 좌표평면에 펼쳐보자 

 

머신러닝의 원리 -->  일단 아무값이나 넣는다. 오차를 구한다. 값을 수정한다.

- 오차 = 실제값-예측값

- 평균제곱오차 

- 오차를 찾기 위해 학습률을 적절히 정해주는 것도 중요함. 

- 다중선형회귀 --> 차원이 여러개면 경사하강법

 

로지스틱회귀는 1,0,1,0,0,0 이런식 

시그모이드 함수 사용

 

선형회귀라면 y=ax+b   --> H(x) = wx+b

평균제곱오차 --> 손실함수

경사하강법 --> 옵티마이저 

 

---

 

H3 중제목

본문내용넣기

 

 

 

 

 

---

 

마무리

마무리

 

 

1.     준비운동편 – 딥러닝의 개념과 실행, 딥러닝 기초수학

이름표(레이블)가 주어진 데이터를 가지고 지도학습을 할 수 있다. 이름표가 없으면 비지도 학습

컴퓨팅환경: GPU가 있는 환경이 좋음 주피터나 코랩을 사용하는 것이 좋다

딥러닝 프로그램 TensorFlow -> okeras 언어는 pythons

코랩 -> 수정 -> 노트 설정 -> 하드웨어가속기 GPU로 변경

Import tensorflow as tf