ComputerScience/Machine Learning (48) 썸네일형 리스트형 Hands-On-Machine Learning : 67p ~ 98p Open Dataset 머신러닝 프로젝트를 시작할 때, 가장 먼저 목적에 부합하는 data set을 구해야 한다. 아래 주소를 참조해 보면 여러 Open dataset을 구할 수 있을 것이다. - UC Irvine : https://archive.ics.uci.edu/ml/index.php - Kaggle : https://www.kaggle.com/datasets - AWS : https://registry.opendata.aws/ - Wiki : https://en.wikipedia.org/wiki/List_of_datasets_for_machine-learning_research - 기타 : https://dataportals.org/ https://opendatamonitor.eu/frontend.. Hands-On-Machine Learning : 29p ~ 66p Library & API 소개 Scikit-Learn : 사용법이 쉬운, 효율적으로 구현된 많은 머신러닝 알고리즘들이 구현되어있다. TensorFlow : tensorflow 라이브러리를 사용하면 수백대의 GPU서버에서 계산을 분산하여 대규모 신경망을 효과적으로 훈련시킬 수 있다. 구글에서 만들었다. Keras : 고수준 딥러닝 API, 신경망을 매우 쉽게 훈련하고 실행할 수 있다. 텐서플로는 자체적인 케라스 API구현을 tf.keras라는 이름으로 포함하고 있다. 기본 용어 정리 스팸메일을 판별하는 스팸필터는 어떤 메일이 스팸메일인지 먼저 train해야한다. 이 프로그램이 학습하는데 사용하는 샘플 데이터를 training set이라고 하고 각 훈련 데이터를 training instance라고 한다. 이.. DeepLearning - 6. Binary Classification Binary Classification Explore and run machine learning code with Kaggle Notebooks | Using data from DL Course Data www.kaggle.com *Kaggle에서 제공하는 Deep Learning Tutorial을 학습하며 번역한 내용입니다. Introduction 여태까지는 regression문제를 해결하는 것만을 공부했지만 이번에는 classification이라는 도다른 machine learning problem을 해결해 보자. loss funcion과 final layer가 만들어내는 outputs의 차이를 제외하고는 이제까지 배운 걸 적용하면 된다. Binary Classification 두 집단의 분류문제는.. DeepLearning - 5. Dropout and Batch Normalization Dropout and Batch Normalization Explore and run machine learning code with Kaggle Notebooks | Using data from DL Course Data www.kaggle.com *Kaggle에서 제공하는 Deep Learning Tutorial을 학습하며 번역한 내용입니다. Introduction deep learning은 dense layers만으로 구성되는 것은 아니다. model에 더할 수 있는 수십가지 종류의 layers가 있다. 이제까지는 dense layers와 neurons간의 connections를 정의하였다. 다른 layer의 경우, preprocessing 혹은 다른 종류의 transformations을 할 수 있.. DeepLearning - 4. Overfitting and Underfitting Overfitting and Underfitting Explore and run machine learning code with Kaggle Notebooks | Using data from DL Course Data www.kaggle.com *Kaggle에서 제공하는 Deep Learning Tutorial을 학습하며 번역한 내용입니다. Introduction 이전 tutorial을 회상해보면 epochs를 거치면서 training과 loss변화의 기록을 Keras가 유지하고 있었다. 이번 장에서는 이 learning curves를 어떻게 해석해야하고 해석을 바탕으로 model을 발전시키는 방법을 알아볼 것이다. 특히 underfitting과 overfitting을 기반으로 learning curve.. DeepLearning - 3. Stochastic Gradient Descent Stochastic Gradient Descent Explore and run machine learning code with Kaggle Notebooks | Using data from DL Course Data www.kaggle.com *Kaggle에서 제공하는 Deep Learning Tutorial을 학습하며 번역한 내용입니다. Introduction 이전 tutorial에서 dense layers의 stack에 따른 fully-connected networks를 만들어 보았다. 가장 처음 networks가 만들어지면 weights는 random하게 정해진다. 아직 network는 아무것도 모르는 상태인 것이다. 이번 장에서는 neural network를 학습시켜볼 것이다. 모든 machine.. DeepLearning - 2. Deep Neural Networks Deep Neural Networks Explore and run machine learning code with Kaggle Notebooks | Using data from DL Course Data www.kaggle.com *Kaggle에서 제공하는 Deep Learning Tutorial을 학습하며 번역한 내용입니다. Introduction 이번 장에서는 좀더 복잡한 관계를 학습하는 neural networks를 만들것이다. 핵심 아이디어는 modularity이다 간단한 functional units로부터 complex network를 만드는 것이다. linear function을 계산하는 linear unit들을 조합해서 복잡한 관계의 model을 만들어보자. Layers Neural netw.. DeepLearning - 1. A Single Neuron A Single Neuron Explore and run machine learning code with Kaggle Notebooks | Using data from DL Course Data www.kaggle.com *Kaggle에서 제공하는 Deep Learning Tutorial을 학습하며 번역한 내용입니다. Deep Learning 인공지능의 발전의 많은 부분이 딥러닝 분야에서 이루어 졌다. 번역, 이미지 인식, 게임 등 다양한 분야에서 딥러닝 모델이 인간과 가까워 졌고 심지어는 인간을 능가하기 시작했다. 딥러닝은 아주 깊은 연산들의 stack이다. 이 딥러닝의 깊은 연산은 복잡한 현실세계 문제들을 풀 수 있다. neural networks는 neuron들로 구성되어 있다. neuron은 단순.. 이전 1 ··· 3 4 5 6 다음
