DL 개요

1. 딥러닝 개요

딥러닝 파이프라인을 구성하는 필수 요소 확인

Deep Learing : 모델의 구조가 neural net 기반

딥러닝의 성능 = 모델 + 데이터 + 학습 방법

딥러닝의 필수 요소

• data

해결하고자 하는 문제에 따라 필요로 하는 데이터의 형태나 구성이 달라진다.

데이터 뿐만 아니라, 데이터의 labeling까지 포함

• model

입력을 원하는 결과로 바꾸어주는 일련의 연산 과정을 구조화한 것

딥러닝의 학습 대상

• 손실 함수

실제 혹은 목표로 하는 값(y)과 모델의 추정한 값($\hat y$) 사이의 차이

오차를 수치화한다.

ex. $MSE = \frac{1}{N} \displaystyle \sum^N_{i=1} (y_i - \hat y_i)^2$

• 최적화 알고리즘

손실 함수가 최소값을 가지도록 모델의 파라미터를 최적화하는 알고리즘

딥러닝에서 '최적화'란 대개 최적의 해를 바로 찾는 것이 아닌,

근사 최적해를 점진적으로 찾는 것을 의미한다.

딥러닝 파이프라인

모델이 데이터를 통해 추정한 값이 정답과 최대한 가까워지도록

(= 손실 함수의 값이 최소가 되도록)

파라미터를 최적화 알고리즘을 적용하여 최적의 모델 파라미터를 찾는 과정

• deeplearning