본문 바로가기

Machine Learning & Deep Learning

 (4)
Active Learning이란 Data에 따른 Learning 방법 - unsupervised learning, semi-supervised learning: data 없이 학습을 시켜보자 - online learning: 현재 가진 data로 학습, sequential하게 새로 들어온 input을 재학습 - active learning: 어떤 data를 labeling해야 좋을까 제안 - synthetic image, augmentation: data를 많이 만들자 Active Learning 번역은 능동 학습입니다. 반대로 제공받는 라벨링 데이터만을 가지고 모델을 학습시키는 방법을 passive learning이라고 표현합니다. 예를 들어, 레이블링이 되어있지 않은 두 클래스로 나누어진 데이터가 있다고 해봅시다. 모든 점을 레이블..
머신러닝 Loss Function 이해하기 1. Loss function, Cost function, Objective function의 차이 사실 위의 세 가지 function은 거의 같은 맥락으로 쓰인다고 보면 된다. 하지만 굳이 차이를 나눠보자면 다음과 같다고 한다. 모델을 학습할 때는 비용(cost), 즉 오류를 최소화하는 방향으로 진행된다 비용이 최소화되는 곳이 성능이 가장 잘 나오는 부분이며, 가능한 비용이 적은 부분을 찾는 것이 최적화(Optimization)이고 일반화(Generalization)의 방법이다 ​ 이 비용(cost) 혹은 손실(loss)이 얼마나 있는지 나타내는 것이 비용함수(cost function), 손실함수(loss function)이라고 할 수 있다 ​ 비용/손실을 표시하는 함수로는 다음 세가지 loss fun..
AI(Artificial Intelligence), ML(Machine Learning), DL(Deep Learning) 차이점 알아보기 * 인공지능 기술의 탄생 및 성장 - 탁월한 병렬 처리 기능의 GPU 도입: 2015년 이후 신속하고 강력한 병렬 처리 성능을 제공하는 GPU의 도입으로 더욱 가속화되고 있다. - 빅데이터 시대: 갈수록 폭발적으로 늘어나고 있는 저장용량과 이미지, 텍스트, 매핑데이터 등 모든 영역의 데이터가 범람하게 된 '빅데이터' 시대의 도래도 이런 성장세에 큰 영향을 미쳤다. * 인공지능(Artificial Intelligence, AI): 인간의 지능을 기계로 구현하다 - 인공지능은 기계로부터 만들어진 지능을 말한다. 컴퓨터 공학에서 이상적인 지능을 갖춘 존재, 혹은 시스템에 의해 만들어진 지능, 즉 인공적인 지능을 의미한다. - 세개의 단어(AI, ML, DL) 중 가장 넓은 의미이다. - 인간의 감각, 사고력을..
딥러닝 프레임워크 - Tensorflow vs PyTorch * Deep Learning Framework Power Scores 2018 (2018.09.20) 구인구직 현황, 업계 사용량, 구글 검색량, 블로그/책/논문 등 출판량, Github 활동량을 조사하여 매긴 점수이다. * Keras 사용자 많고 수요도 크며 간편하다. Tensorflow 위에 얹어서 사용하는 high-level api이다. 맨 처음 딥러닝에 입문하는 입장에서는 Keras로 공부하는 것을 보통 추천한다. 그리고 keras를 이미 알고, 더 깊게 공부를 해보고 싶다면 tensorflow, pytorch 중 어떤 프레임워크를 선택할 지 고민하게 된다. * Tensorflow, PyTorch 차이 두개의 프레임워크의 차이는 딥러닝을 구현하는 패러다임이 다른 것이다. - Tensorflow: ..

티스토리툴바