[Coursera]Neural network and deep Learning: Week1

Coursera에서 deeplearning.ai가 운영하는 ‘Neural network and deep learning[↗NW] ]‘의 1주차 강의 정리입니다.

  • 동영상 목록
    • Welcome: (5min)
    • What is a neural network (7min)
    • Surpervised Learning with neural network (8min)
    • Why is deep learning taking off? (10min)
    • About This Courses? (2min)
    • Frequently asked questions? (10min)

Welcome(5min)

  • AI is the new electircity
  • 100년 전부터 전기 공급이 모든 산업계를 변화 시켰던 것 처럼, AI도 모든 산업계를 변화 시키고 있다.
  • 운송, 제고, 의료, 통신 등등
  • AI의 한 부분이 Deep Learning이다.

Specialization Courses 구성

  1. Neural network and deep Learning
    • 4주 과정
    • 데이터를 통해서 학습하는 과저을 소개
    • 최종 목표: 고양이 인식기 개발, 네트워크 개발
  2. Improving Deep Learning Network: Hyperparameter tuning, Regularization and Optimization
    • 3주 과정
    • 직접 만든 네트워크의 동작 방식 소개
    • 파이퍼파라미터 튜닝, 정향화,
  3. Structuring your machine learning project
    • 머신러닝 시스템 구축 전략
    • 학습 데이터와 테스트 데이터를 구성하는 방법
    • End-to-End Deep Learning 소개
    • Andrew NG의 경험 소개
  4. Convolutional Neural Networks
    • CNN
    • 이미지를 주제로 함
  5. Natural Language Processing: Building Sequence Model
    • Sequence Model
    • 자연어 처리
    • RNN(재귀 뉴럴 네트워크), LSTM model

What is a neural network (7min)

  • Deep Learning: 신경망 학습
  • 신경망이란?
    • neuron이 입력을 받고 일차 함수를 만드는 것
머신러닝과 신경망
그림 1: 머신러닝과 신경망
뉴런의 결합, 신경망
그림 2: 뉴런의 결합, 신경망
주택 가격 예측 개념
그림 3: 주택 가격 예측 개념
주택 가격 예측 모델
그림 4: 주택 가격 예측 모델

Surpervised Learning with Neural Networks(8min)

  • 현재 딥러닝의 경제적 가치는 지도학습에서 발생
입력(x) 출력(y) 애플리케이션 DL 타입
주택 특성(features) 가격 부동산 Standard NN(Neural Network)
광고, 사용자 정보 True/False 온라인 광고 Standard NN
이미지 객체(1..10000) 사진 테깅 CNN
음성 텍스트 스크립트 음성 인식 RNN
영어 한국어 기계 번역 RNN
이미지, 레이저 정보 다른 자동차 위치 자율주행 자동차 CNN 혹은 Hybrid NN
  • 인공지능이 모든것을 해결하는 것은 아니다.
  • 특정 문제에 머신러닝을 적용하여 가치 향상.

대표적인 Neural Network

  • Standard NN
  • Convolutional NN: 이미지 처리
  • Recurrent NN: 시간적인 요소를 담는 데이터
대표적인 신경망 모델
그림 5: 대표적인 신경망 모델

지도학습의 데이터

  • Structured Data
    • 관계형 데이터
    • 여러 컬으로 구성
    • 각 컬럼은 명확한 의미를 갖음
  • Unstructured Data
    • Audio
    • Image
    • Text
  • 현재 상태
    • Unstructured 분야가 급속히 발전하고 있음
    • 현재 경재적 가치는 Structured Data에서 발생

Why is Deep Learning taking off? (10min)

  • 전통적인 머신러닝 기법에서
    • 데이터에증가와 성능 개선은 초기에는 양의 상관관곌르 가짐
    • 일정 데이터 규모 이상에서는 상관성이 없음
    • 데이터 증가에 따른 성능 개선 효과 없음
  • 지난 10년간 데이터 급증
    • Smart Phone
    • IoT
    • Cloud etc
데이터 증거와 모델간의 성능 개선 효과
그림 6: 데이터 증거와 모델간의 성능 개선 효과

Deep Learning의 성장 배경

  • Data
  • Computation
  • Algorithms

관련 문서

Andrew NG 교수님이 집필 중인 Machine Learning Yearning의 7~9장을 참고하면 좋을 것 같습니다.

김태완 avatar
작성자: 김태완
1999년 부터 Java, Framework, Middleware, SOA, DB Replication, Cache, CEP, NoSQL, Big Data, Cloud를 키워드로 살아왔습니다. 현재는 빅데이터와 Machine Learning을 중점에 두고 있습니다.
E-mail: taewanme@gmail.com