Data Science/ML & DL

ILSVRC (Image Large Scale Visual Recognization Challenge)  2012년도부터 DNN(Deep Nueral Network)를 사용하면서 성능이 비약적으로 증가됨 -> Deep Learning의 Boom 시작이후 Layer 수가 증가하면서 VGG, GoogleNet, ResNet이 등장하면서 발전 AlexNet 이미지 분야에서 Deep Learning의 Boom을 일어낸 알고리즘 약 84%의 성능  AlexNet의 특징 최초로 CNN Layer를 deep하게 구성(5개)이미지 분야에서 최초로 ReLU Activation function을 사용 VGG - 19  VGG -, 뒤에 붙은 숫자가 layer의 개수를 뜻함약 93%의 성능  Conv Layer를 19개로 ..

Pixel이란? 컴퓨터가 색의 강도를 인식하는 방법 (picture + element) Picture: 사진, 그림Element: 요소, 항목  컴퓨터는 색을 어떻게 표현하는가? (대체적으로 R, G, B)  만약 웹 색상이 ##93DAFF이라면 93: Red를 표현하는 2개의 16진수DA: Gree을를 표현하는 2개의 16진수FF: Blue를 표현하는 2개의 16진수 구체적으로 컴퓨터는 색을 어떻게 표현하는가? 다양한 Chanel로 이미지의 색상을 표현  왜 컴퓨터가 색을 인식하기 위해 Pixel을 사용하는가? 이미지를 전자적으로 표현하는 방식이며 단위  화소 = 픽셀(Pixel)해상도: 한 화면이 몇 개의 Pixel로 나뉘어져 있는지를 의미8K 해상도: 가로에 약 8000개의 Pixel이 있는 해상도..

Metrics 지표(Metrics)는 성능, 진행 상황, 또는 효율성을 정량적으로 측정하기 위해 사용되는 값이나 수치비즈니스, 과학, 엔지니어링, 교육 등 다양한 분야에서 사용되며, 개인이나 조직의 목표 달성 정도를 평가하고, 전략을 계획하는데 중요한 역할 Example1  선형회귀(Linear Regression)으로 만들어진 두 인공지능 예측모델이 있다.학습 데이터의 정답($y$)과 인공지능의 모델의 예측값($h$ or $\widehat{y}$)이 아래와 같을 때, 어떤 인공지능이 더 뛰어난가? Example2  선형회귀(Liner Regression)으로 만들어진 두 인공지능 분류모델이 있다학습데이터의 정답(y)과 인공지능 모델의 예측값(h or y’)이 아래와 같을 때, 어떤 인공지능이 더 뛰어난..

목적에 따른 손실 함수(Loss Function) 평균제곱오차 (MSE: Mean Square Error,) 예측을 위한 손실 함수 $$E = \dfrac{1}{n}\sum^{n}_{i=1}(y-\widehat{y})^2$$  Cross-Entropy Error 분류를 위한 손실함수$$E = \sum^i_{k=1}t_{k}log_{e}y_{k}$$$y$는 신경망의 출력, $t$는 정답 레이블 다중분류에서 적용되는 방법 One-Hot Encoding 분류를 위한 손실함수를 사용하기 위한 준비 Example  경사하강법 (GD: Gradient Descent OPtimization)  딥러닝에선 네트워크 파라미터에 대해 실제값($y$)과 예측값($\widehat{y}$)의 차이를 정의하는 Loss Funct..