Introduction to Deep Learning
What is a Neural Network?
Single Neural Network를 연결하여 Neural Network를 만들 수 있다.
Neural Network의 모든 input feature는 노드에 연결되어 있다.
Supervised Learning with Neural Networks
Supervised Learning은 다양한 분야에서 사용될 수 있다.
(ex. 온라인 광고, 사진 태그, 음성 인식, 번역, 자율주행)
Neural Network는 Standard NN, Convolutional NN, Recurrent NN 등이 있다.
데이터의 종류에는 feature가 잘 정의되어 있는 structured data와
음성파일, 이미지, 텍스트 등 unstructured data가 있다.
과거 컴퓨터는 structured data를 처리하는 데는 빠르고, unstructured data를 처리하는데 어려웠지만,
deep learning을 통해 컴퓨터도 처리가 가능해졌다.
Why is Deep Learning taking off?
기존의 학습 알고리듬은 training example이 많아져도 성능이 크게 향상되지 않았지만,
deep learning은 neural network가 클수록, 그리고 데이터의 양(training examples)이 많을수록 성능이 향상된다.
Scale drives deep learning process
- 딥러닝 과정에 영향을 미치는 요소Computation : 컴퓨터의 성능이 좋아짐
- Algorithms : 더 빠른 알로리듬이 등장함 (ex. ReLu function)
- Data : 디지털화 되면서 데이터가 많아지고 중요도가 높아짐
Neural Network을 학습시키는 과정은 반복적인데, 이러한 요소들이 변화하면서 딥러닝이 더욱 가능해짐.
Sources
신경망 및 딥 러닝
deeplearning.ai에서 제공합니다. In the first course of the Deep Learning Specialization, you will study the foundational concept of neural networks and ... 무료로 등록하십시오.
www.coursera.org