01. Deep Neural Nets 이번 포스트에서는 Deep neural nets의 기본 개념을 알아보겠습니다. 위 그림은 우리 몸 속 곳곳에 있는 신경세포를 도식화 해놓은 것입니다. Cell body의 수많은 Dendrites로부터 Input을 받고 길게 뻗어있는 꼬리인 Axon을 통해 신호를 전달합니다. Axon terminal은 그 다음 신경세포 혹은 근육 등과 연결되어 있어 이후 단계에 Output 신호를 더보기…
이론 위 그림이 MNIST Dataset입니다. 0~9 사이의 숫자를 손으로 쓴 데이터 집합입니다. 머신러닝을 통해 숫자를 구분시키는 학습을 시켜보려 합니다. 01) 어떻게…? MNIST data는 위와 같이 28×28 pixel의 이미지, 다시 말해 784 pixel의 정보를 담고 있습니다. 데이터를 직접 들여다보지는 않았지만 검은색은 1.0, 흰색은 0, 회색은 0.5로 정리해놓은 형태일 것이라고 추측됩니다. [06 더보기…
이론 01. 개요 Logistic classification이 데이터를 0과 1, 즉 이분법적으로 분류하는 것이라면 Multinomial classfication은 데이터를 더 많은 Label(혹은 Class)로 분류하는 것입니다. 성적을 줄 때 A, B, C 등으로 분류하는 것이 실생활 속의 대표적인 예입니다. Multinomial classification을 받아들이는 것은 어쩌면 Logistic classification을 처음 접할 때보다 쉬울지도 모릅니다. 그 이론을 그대로 끌고 더보기…
이론 지난 포스트에서는 학습 데이터의 종류가 하나인 상황에서 Linear Regression을 해보았는데요, Multivariable Linear Regression에 대하여 배워보려 합니다. 상황을 우선 설정하면 여러 학생들이 현재 마지막 최종 시험을 앞둔 상황입니다. 최종 시험 점수를 라고 하였을 때 이전에 본 3번의 시험 점수 로 최종 점수를 예측해보자는 것입니다. 이론은 역시나 똑같습니다. 1) Hypothesis 데이터 종류가 더보기…
이론 처음으로 가장 간단한 Linear Regression에 대해 배워보겠습니다. (x, y)의 형태로 많은 수의 데이터를 입력한다. 이를 x-y 그래프 상에 표시한다. 각각의 점들로부터의 거리가 최소인 일차함수를 찾아낸다. 01) 가설 설정 가설: 02) Cost function 각각의 점(데이터)에서 직선까지의 거리를 구해야합니다.(정확히 말해 거리는 아니지만…) 다음과 같이 표현할 경우 양수, 음수 계산에 있어 더보기…
01 TensorFlow로 시작하기 TensorFlow는 구글에서 개발한 기계 학습용 엔진입니다. 현재 머신러닝에 관한 함수를 제공하는 라이브러리가 다수 존재하지만 TensorFlow가 선두를 달리고 있습니다. 따라서 <모두를 위한 딥러닝/머신러닝 강의>에서 역시 TensorFlow를 사용합니다. TensorFlow를 설치하는 과정은 여러 게시물에 나와있으니… 윈도우에서 TensorFlow 설치하기 > http://datamasters.kr/11 이전에 이클립스로 안드로이드 코딩을 해본 적이 있던지라 이클립스가 익숙하더라구요. 그래서 저는 더보기…
* 비전공자이기 때문에 이 글엔 오류가 많을 수 있습니다. 01 머신 러닝에 대하여 시작에 앞서 저의 머릿속에 있는 그대로 ‘머신러닝’에 대해 설명해보겠습니다. 머신러닝은 인간의 “학습 능력”을 기계에게 접목시키는 것입니다. 알파고의 등장으로 생명체의 고유 능력인 줄로만 여겨졌던 학습이 한순간에 기계의 능력으로 전이되었습니다. ‘전이’라는 표현을 쓴 것은 알파고의 학습 능력이 이세돌보다 뛰어났기 더보기…