[딥러닝 기초 다지기] 1. 딥러닝 기초

https://www.boostcourse.org/ai111/

딥러닝 기초 다지기

1. 딥러닝 기초

1) 딥러닝 기본 용어

- Key Components of Deep Learning

1. The Data that the model can learn from
2. The Model how to transform the data
   이미지 -> 라벨
3. The Loss function that quantifies the badness of the model
4. The Algorithm to adjust the parameters to minimize the loss

- Data

• Data depend on the type of the problem to solve.
• 데이터는 풀고자 하는 문제에 따라 달라짐
  • Classification : 이미지 (강아지/고양이)
  • Semantic Segmentation : 이미지의 픽셀별 클래스 분류 (한 이미지에 신호등, 사람, 하늘 등등..)
  • Detection : 이미지 안에 여러 물체가 있을 때 물체에 대한 영역 (bounding box)
  • Pose Estimation : 사람의 skeleton 정보
  • Visual QnA : 이미지 + 질문 = 이미지 안에서 질문에 대한 답을 구함

출처: 강의 ppt

- Model

• 데이터를 내가 알고 싶은 것으로 바꾸는 것

출처: 강의 ppt

- Loss

• The Loss function is a proxy of what we want to achieve.
• 모델을 어떻게 학습할지 (weight, bias)
• 딥러닝 - weight 를 어떻게 업데이트할지?
• 근차시일 뿐 -> Loss를 줄인다고 원하는 값을 이룬다는 보장은 없음
  모델마다 필요한 loss function 은 다름 잘 이해하는 것이 중요

1. Regression
   • MSE(Mean Squared Error): 제곱 평균 오차
2. Classification
   • CE(Cross Entropy): 출력값과 label 값 사이 값=엔트로피를 최소화
3. Probabilistic
   • MLE(Maximum Likelihood Estimation): 값에 대한 평균, 분산, 가우시안으로 모델링할 때

- Optimization Algorithm

- Regularization