반응형 국비지원6 딥러닝(Deep learning) 이론 및 실습#3 - 국비지원무료교육 이번엔 딥러닝 실습으로 0부터 9까지의 숫자를 쓴 손글씨 이미지 데이터를 분석하여 숫자를 분류하는 실습입니다. 모델 설계 및 모델학습방법 설정 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 모델 설계 model = Sequential() # 딥러닝 기초 토대 input_data_shape = 5 # 첫번째 층(입력층)에서 사용 output_data = 1 # 마지막 층(출력층)에서 사용 # 층 설계 model.add(Dense(10, input_dim=input_data_shape, activation='relu')) model.add(Dense(20, activation='relu')) .. 2022. 1. 2. 딥러닝(Deep learning) 이론 및 실습#2 - 스마트인재개발원 활성화 함수(Activation Function) 신경망은 선형회귀와 달리 한 계층의 신호를 다음 계층으로 그대로 전달하지 않고 비선형적인 활성화 함수를 거친 후에 전달한다. 이렇게 하는 이유는 생물학적인 신경망을 모방한 것이기 때문이다. 약한 신호는 전달하지 않고 어느 이상의 신호도 전달하지 않는 'S'자형 곡선과 같이 '비선형적'인 반응을 한다고 생각한다. 실제로 비선형의 활성화 함수를 도입한 신경망이 잘 동작하고 있다. 활성화 함수로 비선형 함수를 사용하는 이유 - 계단 함수(step)와 시그모이드 함수(sigmoid)는 비선형 함수이다. - 활성화 함수로 선형함수(ex. h(z) = cz)를 사용하면 중간층(은닉층)을 여러 개 구성한 효과를 살릴 수 없다. - y(z) = h(h(h(z))) = .. 2021. 12. 20. 딥러닝(Deep learning) 이론 및 실습#1 - 스마트인재개발원 스마트인재개발원 인공지능 서비스개발자과정의 핵심교육과정인 딥러닝(Deep learning)교육 내용을 공유해보려고 합니다. 딥러닝 교육과정 전에 먼저 머신러닝 교육을 한달정도 받으면서 머신러닝의 개념, 지도학습(분류, 회귀), KNN모델, 결정트리 모델, 랜덤포레스트, 로지스틱, 앙상블, 선형회귀모델, 텍스트마이닝 등 어려운 내용이었지만 분류문제와 회귀문제의 결과값 예측을 할때 어떤 모델을 사용하는게 효율적인지 그리고 예측 성능향상을 위해 하이퍼파라미터값의 조정을 배우며 예측의 정확도를 높이고 오차를 줄일수 있는 방법들을 배우면서 인공지능의 개념과 모델설계방법을 이해하는데 큰 도움을 받게 되었습니다. 1. 딥러닝의 학습과정 딥러닝도 머신러닝 학습과정도 동일하다고 보면 됩니다. 문제정의/요구사항 분석 데이.. 2021. 12. 19. 스마트인재개발원 - 전자상거래 물품 배송예측 대회 스마트인재개발원 5개월 교육과정중 벌써 3개월이 지나고 파이썬을 활용한 머신러닝 수업의 중후반 정도 배우는 중인데 팀대항으로 "전자 상거래 물품 배송 예측(분류)" 대회가 시작되었습니다. 팀당 6명으로 구성되어 4개팀이 대회에 참여하고 있으며 대회기간은 10일간입니다. 대회규칙 1. 대회기간 : 10일간(11월 30일~12월 9일) 2. 예측데이터는 하루에 팀당 10건을 제출할수 있다. 3. 1일기준은 밤12시가 아니며 (오전9시 ~ 익일 9시)기준이다. 4. Submit Prediction을 10건 모두 소진하면 다음날 오전 9시에 10건이 다시 생긴다. 5. 예측데이터를 제출하면 전체데이터중 60%만 채점을하여 점수를 보여주고 대회가 종료되면 전체데이터를 채점한다. This is a page wher.. 2021. 12. 6. 이전 1 2 다음 반응형
