김성훈 교수님의 모두를 위한 딥러닝 시즌2가 나왔습니다. https://www.youtube.com/channel/UCC76Jmsg6SAjdvphzGSJMBQ 이번 강의는 Tensorflow2.0과 Pytorch 2가지 버전으로 새롭게 나왔는데요. 이전 강의도 좋지만 이번 강의를 보시는 것도 좋을 것 같다고 생각됩니다. 모두 즐겁게 공부합시다!

신경망을 위한 데이터 표현 이전 예제에서는 tensor라 부르는 다차원 넘파이(numpy) 배열에 데이터를 저장하는 것 부터 시작했습니다. 최근의 모든 머신 러닝 시스템은 일반적으로 텐서를 기본 데이터 구조로 사용합니다. 구글의 텐서플로우(TensorFlow)의 이름도 여기서 따왔습니다. tensor 데이터를 위한 컨데이너(container)입니다. 거의 항상 수치형 데이터를 다루므로 숫자를 위한 컨테이너입니다. 행렬은 2D 텐서입니다. 텐서는 임의의 차원 개수를 가지는 행렬의 일반화된 모습입니다.(텐서에서는 종종 '차원 == 축' 이라고 부릅니다.) [2.2.1 스칼라 0D 텐서] 하나의 숫자만을 담고 있는 텐서를 스칼라(scalar)(또는 스칼라 텐서, 0차원 텐서, 0D 텐서)라고 부릅니다. Num..

[신경망의 수학적 구성 요소] - 목차 - 2.1 신경망과의 첫 만남 2.2 신경망을 위한 데이터 표현 2.3 신경망의 톱니바퀴: 텐서 연산 2.4 신경망의 엔진: 그래디언트 기반 최적화 2.5 첫 번째 예제 다시 살펴보기 2.6 요약 - 핵심 내용 - 첫 번째 신경망 예제 만들기 텐서와 텐서 연산의 개념 역전파와 경사 하강법을 사용하여 신경망이 학습되는 방법 필요한 수학적 개념 텐서, 텐서 연산, 미분 경사 하강법(Gradient descent) 등 하지만 이 장에서는 기술적으로 깊게 들어가지 않음 [2.1 신경망과의 첫 만남] 이 장에서는 케라스나 비슷한 라이브러리를 사용한 경험이 없다면 예제를 이해하지 못할 가능성이 높으므로 그냥 이런 것이 있다는 정도로만 알려주는 것 같다는 느낌이 들었습니다.(코..