[AI 데이터 분석] 딥러닝 시작하기 - 02. 텐서플로우와 신경망

01 딥러닝 모델의 학습 방법

 

• 딥러닝 모델이란?

 

• 딥러닝 모델의 학습 방법

- 예측값과 실제값 간의 오차값을 최소화 하기 위해 오차값을 최소화하는 모델의 인자를 찾는 알고리즘을 적용한다.

- Loss Function을 최소화하는 가중치를 찾기 위해 최적화 알고리즘을 적용한다.

 

• 딥러닝 모델의 예측값을 구하는 방식 - 순전파

- 활성함수는 비선형 함수이다.

 

• 최적화 방식 살펴보기 - 경사 하강법

- 순전파를 사용하면 예측값과 실제값 간의 오차값을 구하여 Loss Function을 구할 수 있다.

- 최적화는 경사 하강법 ( Gradient Descent ) 을 사용한다.

 

• 경사 하강법 ( Gradient Descent  )

- Gradient는 미분을 의미한다.

- 화살표는 역전파를 통하여 구할 수 있다. 

 

• 역전파 ( Backpropogation )

- 순전파와 반대되는 방향으로 가면서 Gradient를 구할 수 있다.

 

• 딥러닝 모델의 학습 순서

 

02 텐스플로우로 딥러닝 구현하기 - 데이터 전 처리

 

• 텐서플로우 ( TensorFlow )

 

• 딥러닝 모델 구현 순서

 

• 1. 데이터 전 처리하기

 

• 1. 데이터 전 처리하기 : tf.data.Dataset

- Dataset API를 사용하여 딥러닝 모델용 Dataset을 생성한다.

 

• 1. 데이터 전 처리하기 : Epoch와 Batch

 

• Epoch와 Batch 예시

 

• tf.data.Dataset을 통한 batch 사이즈 정의

 

03 텐서플로우로 딥러닝 구현하기 - 모델 구현

 

• 2. 딥러닝 모델 구축하기 : 고수준 API 활용 - Keras

 

• 딥러닝 모델 구축을 위한 Keras 메소드 (1)

 

• Input Layer의 입력 형태 지정하기 

 

- 모델 구축하기 코드 예시 (1)

 

• 딥러닝 모델 구축을 위한 Keras 메소드 (2)

 

• 모델 구축하기 코드 예시 (2)

 

• 3. 딥러닝 모델 학습시키기 : Keras 메소드

 

• 딥러닝 모델 학습시키기 코드 예시

 

• 4. 평가 및 예측하기 : Keras 메소드

 

• 딥러닝 모델 학습시키기 코드 예시