꾸준히 성장하기

오늘은 딥러닝의 핵심 구성 요소 중 하나인 '히든 레이어'와 기본적인 회귀 모델 구성에 대해 알아보겠습니다. 이 두 주제는 복잡해 보이지만, 한 단계씩 차근차근 이해해 보도록 하겠습니다.1. 히든 레이어(Hidden Layer)딥러닝 모델을 구성할 때 기본적인 구조는 Input → Hidden Layer → Output Layer로 이루어집니다. 특히, 히든 레이어는 딥러닝의 성능을 좌우하는 중요한 요소입니다.히든 레이어에서는 기존 데이터가 새롭게 표현(Representation)된 것이며, Feature Engineering(자동화)이 진행된 것입니다.그래서 Deep Leaning을 Representation Learning이라고 부르기도 합니다.다수의 히든 레이어: 성능 향상을 위해 하..

오늘은 딥러닝의 기초에 대해 다뤄보고자 합니다. 딥러닝은 막연하게 어렵다고만 생각했던 분야인데, 실제로 코드를 작성하며 학습 절차를 따라가 보니 조금씩 이해가 되기 시작했습니다. 딥러닝과 머신러닝의 기본적인 데이터 처리와 모델링 과정의 차이점부터, 실제 코드를 작성하며 배운 내용들을 정리해보겠습니다.1. 딥러닝 코드 순서 데이터 전처리: NAN 조치, 가변수화, 스케일링(필수) 모델링: 모델 구조 설정/검증, 학습/학습곡선, 예측 및 검증 이는 머신러닝과 비슷한 점이 많지만, 스케일링이 필수적이라는 점에서 차이가 있습니다. 특히 딥러닝에서는 데이터의 스케일이 모델 성능에 큰 영향을 미칠 수 있기 때문입니다. 2. 딥러닝 학습 절차1) 초기 가중치 할당: 가중치에 랜덤한 초기값을 할당합니..

오늘의 교육 일지는 머신러닝과 딥러닝, 그리고 그 안에서 지도학습과 비지도학습이 어떻게 서로 다른지를 탐구하는 데 집중했습니다. 이 개념들을 이해하는 것은 데이터 분석과 디지털 변환의 여정에서 중요한 발판이 되니까요. 1. 머신러닝 먼저, 머신러닝은 컴퓨터가 데이터를 통해 학습하고, 그 학습을 바탕으로 예측이나 결정을 할 수 있게 하는 기술입니다. 여기서 중요한 점은 명시적인 프로그래밍 없이 데이터로부터 학습한다는 거죠. 지도학습은 머신러닝 모델에 입력과 그에 해당하는 정답(레이블)을 제공하며 모델을 학습시키는 방법입니다. 모델은 입력 데이터에서 패턴을 학습하고, 새로운 데이터가 주어졌을 때 정답을 예측할 수 있게 됩니다. 예를 들어, 이메일이 스팸인지 아닌지 분류하는 경우가 있죠. 비지도학습은 정답(레..

이번 포스팅에서는 머신러닝의 주요 개념 중 하나인 비지도 학습에 대해 알아보고자 합니다. 제가 하루만에 비지도학습을 학습할 수 있는지 걱정이 되었지만, 한기영 강사님 덕분에 이해가 쏙쏙되었어요! 1. 지도학습과 비지도학습의 비교 먼저, 비지도 학습을 이해하기 위해 지도학습과의 차이점을 간단히 살펴보겠습니다. 지도학습은 마치 샘플 답안을 주고 문제를 푸는 것과 같습니다. 즉, 입력 데이터와 그에 상응하는 정답(라벨)이 주어지고, 이를 통해 모델을 학습시킵니다. 비지도학습은 답지 없이 문제를 푸는 것에 비유할 수 있습니다. 여기서는 입력 데이터만 주어지고, 모델이 스스로 데이터의 구조나 패턴을 찾아내야 합니다. 2. 차원 축소 데이터의 특성(feature) 수가 많아지면 모델을 복잡하게 만들고, 데이터가 희..