이 장에서는 Deep Learning에서 사용하는 핵심 개념과 용어를 익히고, 오늘날 Deep Learning 기법이 강력한 이유를 이해합니다. 간단한 신경망을 직접 만들어 예측을 생성해 볼 거예요.

딥러닝 소개

신경망 모델과 고전적 회귀 모델 비교

순전파(Forward propagation)

순전파 알고리즘 코딩하기

활성화 함수

정류 선형 활성화 함수

여러 관측값/데이터 행에 네트워크 적용하기

더 깊은 네트워크

더 깊은 네트워크에서의 순전파

다층 신경망

표현은 학습됩니다

표현의 단계

Deep Learning과 신경망 기초

신경망이 만들어 내는 예측을 어떻게 최적화하는지 배웁니다. Deep Learning에서 가장 중요한 기법 중 하나인 역전파(backward propagation)를 사용해 볼 거예요. 이 원리를 이해하면 강의 후반부를 학습하는 데 든든한 기반이 됩니다.

왜 최적화가 필요할까요

모델 오류 계산하기

가중치 변화가 모델 정확도에 미치는 영향 이해하기

가중치 변화가 정확도에 미치는 영향 코딩하기

여러 데이터 포인트로 확장하기

경사 하강법

기울기 계산하기

모델 가중치 개선하기

가중치 여러 번 업데이트하기

역전파(Backpropagation)

순전파와 역전파의 관계

Backward propagation 생각해 보기

실전에서의 역전파

한 번의 역전파

역전파로 신경망 최적화하기

이 장에서는 Keras 라이브러리를 사용해 회귀와 분류 모두에 대한 Deep Learning 모델을 만듭니다. 예측을 위해 사용할 수 있는 Specify-Compile-Fit 워크플로를 배우고, 장을 마칠 때쯤이면 심층 신경망을 구축하는 데 필요한 모든 도구를 갖추게 됩니다.

Keras 모델 만들기

데이터 이해하기

모델 지정하기

모델 컴파일과 학습(Fit)

모델 컴파일하기

모델 학습하기

분류 모델

분류 데이터 이해하기

분류 모델의 마지막 단계

모델 사용하기

예측 만들기

Keras로 Deep Learning 모델 만들기

Keras에서 Deep Learning 모델을 최적화하는 방법을 배웁니다. 모델 검증부터 시작해, 모델 용량 개념을 이해하고, 더 넓고 깊은 네트워크로 실험해 봅니다.

모델 최적화 이해하기

최적화 문제 진단하기

최적화 매개변수 바꾸기

모델 검증

검증 데이터셋에서 모델 정확도 평가

얼리 스토핑: 최적화를 더 똑똑하게

더 넓은 네트워크 실험하기

네트워크에 레이어 추가하기

모델 용량에 대해 생각해 보기

모델 구조 실험해 보기

이미지로 한 단계 더 나아가기

나만의 숫자 인식 모델 만들기

마무리 생각

Keras 모델 미세 조정

Titanic

Hourly wages

MNIST

Deep learning은 로보틱스, 자연어 처리, 이미지 인식, 인공지능(예: AlphaGo) 등 다양한 분야에서 가장 주목받는 기능을 가능하게 하는 Machine Learning 기법입니다. 이 강의에서는 Python용 최첨단 Deep Learning 라이브러리의 최신 버전인 Keras 2.0을 활용해, Deep Learning을 실제로 다루는 실습 중심의 지식을 익히게 됩니다.

Supervised Learning with scikit-learn

Python으로 딥러닝을 배우세요. Keras 2.0으로 NLP, 이미지 인식, AI 활용법을 알아보세요.

Python으로 시작하는 Deep Learning

신경망의 기초를 배우고 Python의 Keras 2.0을 사용하여 딥 러닝 모델을 구축하는 방법을 익히세요. 

모델 용량에 대해 생각해 보기

Create Your Free Account