집밖은 위험해

지도학습이 무엇인지 알아보자.

- 지도학습은 입력 x를 받아 출력 y를 구하도록함.

- 예시 : 주택 가격 예측, 온라인 광고 클릭 여부, 이미지 태깅, 음성 인식, 이미지와 레이더 정보를 이용한 차 위치 추정

표준 신경망

CNN

RNN은 위와 같이 생김.

cnn은 이미지 데이터 처리에 좋음

rnn은 1차원 시퀀스 데이터 처리에 좋다.

지도 학습에 사용하는 데이터로

구조화된 데이터와 비구조화된 데이터가 있음

구조회된 데이터 : 데이터베이스 같은 형태. 컬럼과 행으로 구성

비구조화된 데이터 : 오디오, 이미지, 텍스트 같은 데이터들을 말함. 이들의 특징은 구조화된 데이터보다 계산하기 힘듬. 사람이 이해하기 쉽지만.

인공 신경망의 놀라운 점은 딥러닝은 이전보다 비구조화된 데이터를 더 잘 처리할 수 있게됨.

신경망은 지도 학습을 통해 수많은 경제적인 가치들을 만들어냄. 하지만 이 신경망의 개념이 수십년전에 나왔지만 왜 최근에서야 크게 유행했는지 다음시간에 알아봅시다.

 이번 강의를 통해서 신경망이 뭔지 이야기해보자

주택 가격 예측하기

- 크기

- 침실 개수

=> 가족 구성원 수

- 우편번호 => 도보가능 여부

- 부

=> 좋은 학군 여부

- 가족 구성원

- 도보가능 여부

- 좋은 학군 여부

=> 주택 가격 y

신경망은 어떻게 이런 x들을 가지고 가격 y를 예측할 수 있을까

좌측의 입력들로 

y를 예측해낸다.

중간의 세 원은 은닉 유닛이라고 부름.

은닉 유닛은 입력 특징들을 받아 결정됨

은닉층 가족 구성원 수 family size는 x1, x2로 결정

모든 입력 특징들은 중간의 은닉층들과 연결되어, 출력 y를 구함.

신경망이 지도학습 환경에서 좋은걸 알 수 있었음.

인공지능이란?

- 인공지능은 새로운 열광적인 기술

- 이 열광적인 기술을 통해 운송, 제조, 헬스케어, 통신 등 수 많은 산업에서 변혁을 이끌고 있음.

- 인공지능은 새로운 산업혁명이라 부를만함.

우리가 배울 내용들

1. 인공 신경망과 딥러닝

2. 하이퍼 파라미터 튜닝과, 규제, 최적화를 통해 인공신경망을 개선시켜보자.

3. 머신러닝 프로젝트를 만들어보자

4. 합성곱 신경망 

5. 시퀀스 모델을 통해 자연어를 처리하여보자

정리

- 이 코스 내용들을 공부하면서 좋은 모델들을 만들고 커리어 잘 준비하자