• 머신러닝

  • 지도 학습 : 문제와 정답을 모두 알려주고 공부시킴
    • 비용이 많이 들음
  • 비지도 학습 : 답을 가르쳐주지 않고 공부시킴
    • chatGpt같은 생산형 AI에서 많이 쓰임
  • 강화 학습 : 게임같이 보상해주는 것 (어려운 개념..)

• 머신러닝 아키텍쳐에는 서비스형태와 데이터 학습하는 형태가 구분되어있음

• Perceptron 1957 : 다수의 입력으로부터 가중합을 계산하고, 이를 이용해 하나의 출력을 만드는 구조

  • f(x1,x2) = w1x1 + w2x2 + b
  • chatGpt에서 w와 b는 1700억개
  • Output(예측값) = Activation(dot(W,x))
  • error(손실값) = loss(Output,y)
  • 입력 데이터x와 타깃 y는 고정되어있다면, 이 함수는 W를 error에 매핑하는 함수로 볼 수 있음
    • error = f(W)
    • 오차함수 미분

• 스테이블 디퓨전 : 게이밍 컴퓨터가 있다면

• ✨딥러닝

  • 딥러닝 학습 : 손실함수가 최소가 되도록 하는 매개변수를 찾는 것 / 신경망 학습을 컴퓨터나 gpu에게 시키는 것

  • 신경망 학습 : w, b (학습매개변수)를 구하는 것

  • gpu의 강점 : 반복된 계산을 잘함

  • 학습 데이터를 통한 최적화로 얼마나 학습되지 않은 데이터(새로운 데이터)에 대해 일반화가 잘되었나가 중요함 ⇒ 실제로 Optimal하게 하는 것이 중요함

  • 일반적인 학습 순서

    1. 주어진 문제와 훈련할 데이터를 정의
    2. 이 데이터를 수집하고 필요하면 데이터 정규화, 레이블 태깅등을 한다.
    3. 손실함수를 정하고, 성공을 어떻게 측정할지 선택
       1. 검증 데이터에서 모니터링할 지표는 무엇인지 정의
    4. 평가 방법을 결정
       1. 검증에 사용할 데이터의 양은 얼마나 되나?
       2. 홀드아웃 검증, K-겹 교차 검증 등 방법 정의
    5. 단순한 랜덤 선택 모델보다 나은 통계적 검정력이 있는 첫번째 모델을 생성
    6. 과대적합된 모델을 생성 (Overfit)
    7. 검증 데이터의 성능에 기초하여 모델에 규제를 적용, 하이퍼파라미터를 튜닝해 최적의 모델을 찾음

  • keras

• 딥러닝 실습

  • https://colab.research.google.com/drive/1eqGoWHeGI9jI2KziPGP6J0B1NAqu2yv3#scrollTo=8Q-sO8Ir2qq9
  • Data 전처리
    • 딥러닝 모델 : 입력 데이터의 형상(shape)을 정확하게 파악하여 모델의 구조를 결정
    • 입력 데이터의 형상은 데이터셋에 따라 다양하게 변화할 수 있음, 이 때문에 모델이 예측할 수 있는 입력 데이터의 형상도 다양하게 변화하게 됨
    • 입력 데이터의 형상이 모델에 맞지 않을 때 reshape을 사용하여 형상을 바꿔주어야 함
      • reshape : 데이터 전처리(preprocessing) 과정에서 필수적인 작업 중 하나 (TensorFlow나 PyTorch 같은 딥러닝 프레임워크에서는 reshape을 간단하게 수행할 수 있는 함수를 제공)

tensorflow는 어디꺼야?

TensorFlow는 Google에서 개발하고 유지 관리하는 오픈소스 머신 러닝 프레임워크입니다. TensorFlow는 Python, C++, Java 등 다양한 언어로 사용할 수 있으며, GPU를 이용한 가속화를 지원하여 대규모 딥러닝 모델을 효율적으로 학습시킬 수 있습니다. TensorFlow는 TensorFlow.org에서 다운로드 및 사용할 수 있습니다.

Pytorch는?

PyTorch는 Facebook에서 개발하고 유지 관리하는 오픈소스 머신 러닝 프레임워크입니다. PyTorch는 Python에서 제공되며, 딥러닝 모델의 구성과 학습을 위한 다양한 편리한 도구와 인터페이스를 제공합니다. PyTorch는 자동 미분 기능을 갖추고 있어, 딥러닝 모델의 학습을 더욱 쉽게 할 수 있습니다. PyTorch는 PyTorch.org에서 다운로드 및 사용할 수 있습니다.

keras는?

Keras는 딥러닝 모델을 쉽고 빠르게 구성할 수 있는 고수준 라이브러리입니다. TensorFlow, Theano, CNTK 등 다양한 백엔드 엔진을 지원하며, 쉽게 모델을 구성하고 학습할 수 있는 API를 제공합니다. Keras는 Python에서 제공되며, 다양한 신경망 레이어, 활성화 함수, 최적화 알고리즘 등을 포함하여 다양한 딥러닝 모델을 구성할 수 있습니다. Keras는 TensorFlow의 공식 API로 통합되어, TensorFlow 2.0 이상 버전에서는 TensorFlow.keras 모듈로 제공됩니다. Keras는 keras.io에서 다운로드 및 사용할 수 있습니다.