딥러닝 이론 #3 구글에서 배우는 딥러닝, 3분 딥러닝
케라스,스터디,파이썬,딥러닝,합정역,AI,딥러닝이론,도서
딥러닝 스터디 진행 중
케라스 스터디를 진행 중인데 기초가 너무 약해서 처음부터 다시 판다. 도서관애서 빌리기도 하고 중고서점에서 구매한다.
Learning from Google Deep Learning
016
후지필름에서 ICT(정보 통신 기술) 분야를 담당하는
시바야 노리오 상무 집행 임원은 2016년 11월 닛케이 빅 데이터 주최 이벤트에서 리러항 견해를 피력했습니다.
"기업의 경쟁력응 데이터를 수딥하여 가치로 바꾸는 능력입니다."
017
우버는 이동하고 싶은 사람이라는수요 정보와 이동 수단을 제공할 수 있는 사람(다동차외 운전자)이라는 공급 정보릏 스마트폰 앶으로 대량 수딥하여, 수요외 공급의 최덕 매칭을 실현했습니다. 우버 스스로 자동차를 조유하지 랂으면서도, 저렴하고 효율적인 이동 서비스를 개발했습니다.
031 딥러닝을 가능하게 한 컴퓨터의 발달
042 규칙 기반의 인공지능
045
머신러닝에서는 다양한 종류의 모델을 다룹니다. 결정트리, 귀납추론, 뉴럴 네트워크, 딥러닝 등이 대표적입니다.
045 머신러닝에도 여러 가지 방법이 있다.
046
결정 트리라는 것은 특정 입력 데이터에 대해 Yes와 No를 선택해 나가는 방법으로 출력 데이터를 유도하는 방법입니다.
귀납 추론은 결정 트리와는 조금 다른 개념입니다. 조건 분기로 설명하는 것이 아니라. 'A이면 B이다' 'B이면 C이다'라는 논리식으로 설명합니다.
047
뉴럴 네트워크는 들어 본 기억이 있는 분이 많을 것입니다. 뇌의 신경구조를 논리적으로 모방하여 지적인 처리를 컴퓨터에 시키자는 것입니다.
060
062
061
강화학습을 활용한 '알파고'
알파고는 딥러닝과 몬테카를로 트히 탐색이라는 기술을 결합하려 만들어졌습니다. 몬테타를로 트리 탄색리랑, 난수를 사용항 시뮬레이션을 통해 통계적으로 답을 구하는 방법으로써, 게임의 인공지능에 자주 사용되는 방법입니다.
들어가며
이론에 대한 깊은 이해와 정확한 구현보다는 딥러닝의 다양한 모델에 대한 기초 개념과 텐서플로의 기본 사용법 학습에 초점을 두었습니다.
수식, y = x*W+b
6장, 머신러닝 학습의 Hello World와 샅응 MNIST(손글씨 숫자 인식) 문제를 신경망으로 풀어봅니다.
7장, 이미지 처리 분야에서 가장 유명한 신경망 모델인 CNN을 이용하여 인식율이 더 높은 모델을 만들어봅니다.
8장. 대표적인 비지도 학습방법인 오토인코더를 사용해봅니다.
9장. 2016년에 가장 많은 관심을 받은 신경망 모델인 GAN을 구현헤봅니다.
10장. 자연어 처리와 음성 처리 분야에 많이 사용돠는 RNN의 기본적인 사용법을 익히고, 구글 기계번역에서 사용하는 Sequence to Sequence 모델을 이용하여 아즈 간단항 번역 프로그램를 만들어봅니다.
11장. 구글에서 개발한, 이미지 인식에 매우 뛰어난 신경망 모델인 Inception을 사용해봅니다.
12장. 구글의 딥마인드(알파고 개발사)에서 개발한 강화학습 모델인 DQN을 구현해봅니다.
019
기존의 인공지능인 규칙기반 인공지능이 바나나를 인식하도록 하도록 하려면 인간이 컴퓨터에 바나나를 식별하는 특징을 가르쳐줘야 했습니다. "길고, 노란색리고, 약간 흰 물체면 바나나야"라는 식이죠.
머신러닝의 학습 방식은 바나나 사진을 주고 "이것이 바나나야"하고 하면 컴퓨터가 스스로 바나나의 특징을 학습핮니다. "음 바나나는 길고, 노란색이고, 흰 것이군"이라고 말이죠.
