패스트캠퍼스 환급챌린지 9일차 : Part1 딥러닝을 시작하기전에 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스

Ch01-15 편향과 오차

1) 편향

- 실제 데이터를 반영하지 못하고 한쪽으로 치우친 데이터

- 편향이 높으면 모델이 예측한 값이 정답과 멀어지고, 분산이 높으면 모델이 예측한 값이 서로 멀어 떨어지게됨

2) 오차

- 기계 학습 모델의 성능을 평가하기 위해 오차를 계산하는 것으로, 실제 정답과 모델이 예측한 값의 차이

- 평균 제곱 오차

: 오차를 제곱한 값의 평균을 구하는 것으로 입력 x, 정답 y가 주어졌을 때, 1/nΣi=1~n(f(xi)-f(yi))^2을 통해서 구할 수 있음

Ch01-16  최소제곱법과 추세선

1) 선형 회귀 : 하나의 스칼라 값을 예측하는 문제 유형

: 예를들어, 1시간당 매출의 데이터를 입력 받았을 때 특정 시간 h가 주어질 경우의 예상 매출을 계산하는 문제에 사용됨

- 주어진 데이터를 학습하여 가장 합리적인 선형 함수를 찾아내는 것을 목표로 함

: f(x)= Wx+b (W, b는 모델) 수식으로 표현할 수 있음

- 딥러닝에서의 선형회귀 학습은 주어진 데이터를 이용해 선형함수를 수정해 나가는 것

2) 평균 제곱 오차 = 최소 제곱법

- Cost(W,b) 에서 평균 제곱오차가 최소 값이 되는 W,b를 찾는 과정

- 최소 값을 찾기 위해 경사하강(기울기를 이용해서 비용을 줄이는 방법)을 사용

: 가중치 (W)를 미분해 기울기를 구한 뒤, 반대 방향으로 W를 업데이트하면서 찾는 방법으로, 업데이터를 학습률을 곱하여 이동시키는 방법을 사용하게 됨

Ch01-17 데이터 추출

- 기계학습 분야에서 데이터를 랜덤으로 추출, 파이썬으로는 Radom.choice/choices 함수를 사용하게 됨

딥러닝을 학습하기 위해서 확률과 통계외에도 미분/적분에 대한 기본적인 개념을 알고 있어야함을 알 수 있음.

기초 강의를 수강하다보니, 학부 시절에 배웠던 미적분, 통계학에 대해서 다시 공부해야겠다는 동기를 얻게 됨. (10년이란 세월이 지나다보니 기억이 안나는..)