케라스 스터디 딥러닝 #2 질문의 힘
케라스,스터디,파이썬,딥러닝,합정역,AI,발표,질문
두번째 스터디 시간
스터디모임의 철칙은 지각금물이다. 택시까지 타 보았지만 5분 늦었다. 민폐였다. 멀리에서 와서 한 번 봐 주셨다.
원거리 우대 쿠폰이였지만 담부터는 절대로 늦지 않을 예정이다.
발표시간
한주간의 고민들 궁금한 점들을 스스로 찾고 바로 발표준비가 되었다.
일주일의 고민에서 나온 발표자료라 나름 달라보였다.
우리조는 3명이다. 처음부터 큰질문들로 시작되었다.
발표시간
우리조는 근원적인 질문이였다.
딥러닝 모델의 각 분야 맞춤 이유
언어-앞뒤,RNN/LSTM
이미지-내주변,CNN
영상인지-GAN
오토인코더
데이터 의존도
unsupervised learning : 특징만 있어도 분류 가능
supervised learning : 라벨리으로 분류 가능
Feature engineering
딥러닝 : Feature를 지정해주지 않아도 됨
머신러닝 : 연구자가 feature를 지정해줘야 함
TF vs Keras
그래프가 한번 컴파일 되면
실제 강의는 2장
MNIST
28×28
데이터 6만개,입력
라벨 6만개,출력
0~255
데이터 만들고-모델만들고-검증
모델에 하나씩 올리는 거 하나씩 쌓겠다. Sequential
Big Question??
스터디 구성원들 간에도 레벨 차이가 있다.
나는 초급 측에 속한다.
그리고 개발보다는 기획/운용이라 접근 방식도 차이가 난다. 어차피 나의 장점으로 스터디에서 류의미한 것을 도출해야 한다.
그래서 나는 질문으로 계속 팔 생각이다.
질문유발자/큰질문/작은질문
가.큰질문
1.딥러닝 모델별로 과연 구분할 수 있을까?
2.내가 관심있는 분랴야룰 모델별로 분류 할 수 있을까?
3.내가 하고 싶은 부문의 모델을 선택할 수 있을까?
4.이런 접근법이 맞는 것일까?
나.작은질문
딥러닝 모델은 하다보니 시행착오로 생성 된 결과일까 아니면 애초부터 이렇게 구성한 것인들인가?
(후자가 맞다고 한다. 설계부터 그렇게 구상하고 모델을 만둘었다고 한다.)
질문 더하기
1.딥러닝의 모델
2.딥러닝 실제 사례
큰질문 작은 답
스터디의 목적은 실제로 시간을 들여서 자료조사도 하고 책도 보고 그런 것이다. 스터디 참여가 목적이 아니라 해당 부문에 대하여 스스로 공뷰해야 하는 것이다. 그래서 브런치에 글 올리는 것도 일주일이 걸린다. 스터디 풍경에서 머무르기앤 안타깝기 때문이다.
