01. Deep Neural Network 훈련의 핵심 Gradient Descent (경사하강법) 목적 - 실제 값과 예측 값의 차이를 최소화 하는 parameter(0) 발견 방법 - 손실 함수를 정의하여 손실 함수의 값이 0으로 수렴하도록 parameter(0) 조절 Backpropagation (오차역전파) 손실 함수를 최소화 하는 방향으로 신경망 전체의 parameter가 update 되도록 하는 기법 경사하강법과 parameter update (선형회귀) 손실 함수 비용 함수(cost function), 목적함수(object function) 등으로도 불림 경사하강법이 가능하도록 미분 가능한 함수를 정의 대표적 손실 함수 Linear Regression (선형 회귀) - MSE(Mean Squ..
01. tfjs-vis를 이용한 시각화 Tensorflow.js 사용에 필수적인 시각화 도구 내장 tfjs-vis의 주요 구성 요소 visor - web page 내에 독립적으로 시각화 하는 영역 surface - visor 상에 content를 add하는 container 기타 시각화 내장 함수들 02. 실습 `(backtick) : toggle key => visor을 보여주고 숨겨준다. ~ : visor을 최대/최소로 전환 차트 종류 : Tfvis.render.barchart Tfvis.render.confusionMatrix Tfvis.render.heatmap Tfvis.render.histogram Tfvis.render.linechart Tfvis.render.scatterplot Tfvis..
01. What is tf.data.Dateset? Tensorflow.js가 제공하는 대량의 data 처리를 위한 class tf.data는 data 처리를 위한 다양한 method 제공 chain으로 연결하여 pipeline형성 가능 ex> const data = rawDataset.filter(...).map(...).batch(...). 데이터 로딩 및 변환은 느리고 스트리밍 방식으로 수행됨 02. tf.data.Dataset 생성 함수 제공 methods tf.data.CSVDataset .columnNames tf.dat.Dataset .batch(batchSize) – batch 로 element 들을 grouping .concatenate(dataset) – 두개의 dataset 을 하나로..
01. Tensorflow API Core API (Operation API) Tensor - vector, matrix 표현과 같다 Operations (Ops) - Tensor 간의 연산 (add, subtract, multiply, etc) High-Level API Keras API와 유사 Models - machine learnig model Layers - model 을 구성하는 deep learning layer 02. Tensor 기본 개념 Tensor - n차원 이상의 숫자로 이루어진 constant array rank - tensor의 dimension (차원) shape - 각 dimension의 size dtype - tensor의 data type 스칼라 : tf.scaler - ..
01. Neural Network의 구성 입력층(Input Layer) 신경망의 시작 부분, 외부에서 들어오는 데이터를 받는다. 각 입력은 뉴런이라 부리는 단위로 표현된다. 은닉층(Hidden Layer) 입력층과 출력층 사이에 있는 중간층 입력층의 데이터를 기반으로 복잡한 패턴이나 관계를 학습한다. 여러 개의 은닉층이 있을 수 있으며, 이 층들은 서로 다른 특징을 추출하고 학습한다. 출력층(Output Layer) 신경망의 최종 출력을 담당한다. 주로 문제의 유형에 따라 다르게 설계되어 있다. 분류 문제에서는 각 클래스에 대한 확률을 나타내는 노드가 있을 수 있고, 회귀 문제에서는 연속적인 값을 출력할 수 있다. 가중치(Weights) 및 편향(Bias) 가중치는 입력 데이터의 특정 특징에 대한 중요도..
