WINK-(Web & App)/인공지능 스터디 (2) 썸네일형 리스트형 [인공지능 스터디] 김윤희 #2주차 모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌 섹션 7 ~ 15 #완강! 섹션7. ML의 실용과 몇가지 팁 1. 학습 rate, Overfitting, 그리고 일반화 (Regularization) learning rate 굉장히 큰 값으로 정한다면 → overshooting! cost가 줄어들지 않아요! 굉장히 작은 값으로 정한다면 → cost가 너무 작게 변해! 보통 0.01로 시작합니다! preprocessing 데이터 간 값의 차이가 너무 클 때 데이터 전처리를 해야 해! - Standardization → 값의 분산과 평균을 가지고 ! overfitting train data에만 너무 딱 맞게 학습되는 경우 oeverfitting을 해결하는 방법 - train data를 많이 가지고 있기 - features의 개수를 줄이기 - Regularization! → 일반화해요.. [인공지능 스터디] 이정욱 #1주차 모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌 섹션 0 ~ 섹션 6 섹션.1 머신러닝의 개념과 용어 What is ML? Programming의 한계 Spam filter: 이 메일이 스팸인지 아닌지를 판별하기 위한 규칙 Automatic driving: 또한 너무 규칙이 많다 이러한 한계를 극복하기 위해 Supervised/Unsupervised learning Supervised learning: 정해져 있는 데이터를 가지고 학습 특정 사진들의 label을 알려주면서 학습 Unsupervised learning: label이 정해지지 않은 데이터들을 학습 데이터를 보고 스스로 학습한다. Supervised learning 이미지 라벨링: tag가 되어있는 이미지를 통해 학습 Email spam filter: 라벨된 이메일을 통해 학습 Training data set .. 이전 1 다음
