//
πŸ€–

Deep Learning

μš©μ–΄λ“€
TensorFlow

λ¨Έμ‹  λŸ¬λ‹ λͺ¨λΈ ν›ˆλ ¨ 단계!

Machine learning workflow

μž‘μ—…μ„ κ³΅μ‹ν™”ν•˜μ‹­μ‹œμ˜€.

β€’
νšŒκ·€ λ¬Έμ œμž…λ‹ˆκΉŒ μ•„λ‹ˆλ©΄ λΆ„λ₯˜ λ¬Έμ œμž…λ‹ˆκΉŒ?
β€’
지도 ν•™μŠ΅ λ˜λŠ” 비지도 ν•™μŠ΅μœΌλ‘œμ΄λ₯Ό μˆ˜ν–‰ ν•  수 μžˆμŠ΅λ‹ˆκΉŒ?
β€’
μž…λ ₯ λ°μ΄ν„°μ˜ λͺ¨μ–‘은 λ¬΄μ—‡μž…λ‹ˆκΉŒ? 좜λ ₯ λ°μ΄ν„°λŠ” μ–΄λ–»κ²Œ λ³΄μž…λ‹ˆκΉŒ?

데이터λ₯Ό pre-set ν•˜μ‹­μ‹œμ˜€.

β€’
κ°€λŠ₯ν•˜λ©΄ 데이터λ₯Ό μ •λ¦¬ν•˜κ³  νŒ¨ν„΄μ„ μˆ˜λ™μœΌλ‘œ κ²€μ‚¬ν•˜μ‹­μ‹œμ˜€
β€’
ν›ˆλ ¨μ— μ‚¬μš©ν•˜κΈ° 전에 데이터λ₯Ό μ„žμŠ΅λ‹ˆλ‹€
β€’
신경망에 μ ν•©ν•œ λ²”μœ„λ‘œ 데이터λ₯Ό μ •κ·œν™”ν•˜μ‹­μ‹œμ˜€. 일반적으둜 0-1 λ˜λŠ” -1-1은 숫자 데이터에 μ ν•©ν•œ λ²”μœ„μž…λ‹ˆλ‹€.
β€’
데이터λ₯Ό ν…μ„œλ‘œ λ³€ν™˜ν•˜μ‹­μ‹œμ˜€

λͺ¨λΈμ„ λΉŒλ“œν•˜κ³  μ‹€ν–‰ν•˜μ‹­μ‹œμ˜€.

β€’
tf.sequential, tf.modelt λ₯Ό μ‚¬μš©ν•˜μ—¬ λͺ¨λΈμ„ μ •μ˜λ₯Ό ν•œ λ‹€μŒ tf.layers.*λ₯Ό μ‚¬μš©ν•˜μ—¬μ— λ ˆμ΄μ–΄λ₯Ό μΆ”κ°€ν•˜μ„Έμš”!
β€’
일괄 처리 크기 및 에포크 μˆ˜μ™€ 같은 맀개 λ³€μˆ˜Β (Β adam은 일반적으둜 μ’‹μŒΒ )λ₯ΌΒ μ„ νƒν•˜μ‹­μ‹œμ˜€Β .
β€’
λ¬Έμ œμ— λŒ€ν•œΒ μ μ ˆν•œΒ μ†μ‹€ ν•¨μˆ˜ 와 정확도 평가λ₯Ό μ„ νƒν•˜μ—¬ 진행 상황을 ν‰κ°€ν•˜μ‹­μ‹œμ˜€. meanSquaredErrorλŠ” νšŒκ·€(regression) λ¬Έμ œμ— λŒ€ν•œ 일반적인 손싀 ν•¨μˆ˜μž…λ‹ˆλ‹€.
β€’
손싀이 κ°μ†Œν•˜κ³  μžˆλŠ”μ§€ ν™•μΈν•˜κΈ° μœ„ν•΄ ν•™μŠ΅μ„ λͺ¨λ‹ˆν„°λ§

λͺ¨λΈ 평가

β€’
ν›ˆλ ¨ν•˜λŠ” λ™μ•ˆ λͺ¨λ‹ˆν„°λ§ ν•  μˆ˜μžˆλŠ” λͺ¨λΈμ˜ 평가 μ§€ν‘œλ₯Ό μ„ νƒν•˜μ‹­μ‹œμ˜€. 일단 ν›ˆλ ¨λ˜λ©΄, 예츑 ν’ˆμ§ˆμ„ μ–»κΈ° μœ„ν•΄ λͺ‡ 가지 ν…ŒμŠ€νŠΈ μ˜ˆμΈ‘μ„ μ‹œλ„ν•˜μ‹­μ‹œμ˜€.
AWS Personalize