dev.ssun

WWDC 영상 링크 - Introducing the Create ML App - WWDC 2019 - Videos - Apple Developer Create ML App Create ML 앱을 사용해서 머신 러닝에 관한 전문적인 지식이 없더라도 머신 러닝 모델을 구축하고 학습시키고 배포할 수 있음 https://developer.apple.com/kr/machine-learning/create-ml/ 새로운 모델 (활동, 소리 추가) 새로운 워크 플로우 모델 템플릿 물체 인식, 활동 및 음향 분류, 추천 제공을 위한 모델 구축 텍스트 분류를 위해 단어 임베딩 및 전이 학습 활용 가능 다중 모델 학습 동시에 서로 다른 데이터세트를 사용하여 다중 모델 학습 미리보기 출력탭에서 학습된 모델을 미리볼 수 있음..

모델의 적합성 1) 희소적합 (Underfit) - 전혀 똥오줌 못 가리는 상태 (모델 자체가 잘못 설계되었거나, 학습 초기단계) 2) 적합 (Fit) - 아주 일반화가 잘 된 케이스 (적절하게 학습 되었다) 3) 과적합 (Overfit) - 너무 암기를 많이 한 케이스 (많은 파라메터를 써서, 너무 오랫동안 학습을 시킴) -> 모든 데이터를 그냥 외우게 되는 것, 응용능력이 없음 과적합을 피하기 위해 전체 데이터셋을 학습(Training)과 검증(Validation)용으로 분리 학습용 : 모델의 학습에만 사용 검증용 : 모델의 성능 및 손실 등을 검증하는 데 사용 과적합이 발생했다고 판단되는 순간 정지해야 함

ML - Generation - 출생률(natality)에 대한 데이터셋의 소개 완벽히 제어되는 세상이라면 모든 신생아/영아들은 건강 상태에 따라 적절한 의료 케어를 받을 수 있을 것 하지만 태어난 직후, 의료진의 부족 및 확인에 따른 대처 시간 소요 등 어려운 점이 있다 만일 태어나기 전 건강 상태를 예측한다면? 적절한 조치가 수월하게 이뤄질 것이다 Q. 아기들의 건강 상태를 태어나기 전에 예측할 수 있을까? 모델에 사용될 법한 Feature 산모의 나이 아기의 몸무게 -> 특정 문제의 해결은 특정 분야에 대한 지식 필요 - BigQuery 플랫폼에서는 출생률 데이터셋을 개방하여 제공함 https://cloud.google.com/bigquery/docs/bigqueryml-natality 아래 링크의..

1. Short History of ML: Perceptron 퍼셉트론(perceptron)은 인공신경망의 한 종류로서, 1957년에 코넬 항공 연구소(Cornell Aeronautical Lab)의 프랑크 로젠블라트 (Frank Rosenblatt)에 의해 고안되었다. 이것은 가장 간단한 형태의 피드포워드(Feedforward) 네트워크 - 선형분류기- 으로도 볼 수 있다. 퍼셉트론이 동작하는 방식은 다음과 같다. 각 노드의 가중치와 입력치를 곱한 것을 모두 합한 값이 활성함수에 의해 판단되는데, 그 값이 임계치(보통 0)보다 크면 뉴런이 활성화되고 결과값으로 1을 출력한다. 뉴런이 활성화되지 않으면 결과값으로 -1을 출력한다. 출처 https://ko.wikipedia.org/wiki/%ED%8D%B..

https://www.youtube.com/watch?v=Mx7oqTKwhIA&list=PLQ28Nx3M4Jrguyuwg4xe9d9t2XE639e5C&index=4&t=0s 구글 스터디잼 공부 메모 - 모두의 딥러닝 시즌 2 1. Regression - “Regression toward the mean” 전체의 평균으로 되돌아간다 (회기하려는 특징, 속성) - 통계적 원리를 설명하는 말로 Regression 이라고 사용한다 2. Linear Regression (선형회귀) - 간단하게, 데이터를 가장 잘 대변하는 직선의 방정식을 찾는 것 (y = ax + b) 이라 할 수 있음 - a는 빨간 선의 기울기, b는 직선의 y절편 - 선형 회귀는 파란 데이터를 가장 잘 대변하는 기울기와 y절편 즉, a값과 b..

모델? -> 데이터들의 패턴을 대표할 수 있는 함수 -> 함수의 입력을 독립변수, 출력을 종속변수라고 함(독립변수들에 의해 출력값이 정해짐) 회기모델 (Regression) -> 레이블의 값들이 연속적인 문제 분류 (Classification) -> 레이블의 값들이 이산적으로 나눠질 수 있는 문제

머신러닝은? 머신러닝 => software 어떤 프로그램의 경우 정확하게 프로그래밍하는 것이 어려움 ex. 스팸필터 > 많은 규칙들이 있음. ex. 자율주행자동차 > 너무 많은 규칙들 프로그램인데 프로그램 자체가 데이터를 통해 학습하는 프로그램 => 머신러닝 학습하는 방법에 따라 Supervised / Unsupervised 로 나뉨 Supervised learning (지정 학습) 정해져있는 데이터를 가지고 학습, 정제된 데이터 레이블이 이미 달려있는 자료를 가지고 학습을 진행 Unsupervised learning (비지정 학습) 레이블이 없는 데이터 Supervised learning 분류 시험점수 예측 시스템 regression (회귀) P / N-P 중 하나를 시간에 따라 예측 binary cl..