본문 바로가기

전체 글198

25_하이퍼파라미터(Hyper-parameter)란 무엇인가? 모델링을 할 때 사용자가 직접 세팅할 수 있는 값이다. 딥러닝 모델에서의 노드 수와 hidden layer 수, 학습률, 훈련 횟수 등 많은 값들이 존재한다. 모델링을 할 때는 이 값들을 적절히 조정해, 모델의 성능을 최대한 끌어올리는 작업이 중요한데 이를 '하이퍼 파라미터 튜닝'이라고 한다. 2021. 7. 16.
24_파라미터(Parameter, 매개변수)란 무엇인가? 쉽게 말해 모델 내부에서 결정되는 변수이다. 이 변수의 값은 오직 input된 데이터에 의해서 자동적으로 결정된다. 이게 무슨 말이냐 하면, 사용자가 임의로 조정할 수 없다는 것이다. 이는 뒤에 나올 '하이퍼 파라미터(Hyper parameter)'와 비교하여 가장 큰 차이점이다. 하이퍼 파라미터란 사용자가 임의로 조정할 수 있는 값, input된 데이터와 상관없이 변경할 수 있는 값이다. 2021. 7. 5.
23_레거시 시스템(Legacy system)이란 무엇인가? 예전에 개발되었지만 지금도 사용 중인 하드웨어나 소프트웨어. 기존 시스템이 있는 상태에서 새롭게 시스템이 구축된다면 기존 시스템이 레거시 시스템이 된다. 2021. 6. 28.
22_머신러닝(Machine Learning, 기계학습)이란 무엇인가? 기계가 인간처럼 스스로 학습하여 새로운 상황에 대한 답을 낼 수 있도록 훈련시키는 것이다. 앞의 문장에서도 알 수 있듯이, 현재 광범위한 사업 분야에 적용, 응용되고 있는 인공지능의 핵심 개념이자 기술 중 하나다. 흔히 딥러닝(Deep Learning)이라고 하는 심층신경망 학습은 이 머신러닝의 하위 분류이다. 인공지능-머신러닝-딥러닝의 관계는 인공지능에 대해 배우는 교육과정에서 가장 먼저 배우게 된다. 간단히 그림으로 나타내면 아래와 같다. 머신 러닝은 다시 크게 세 가지 분류로 나뉘게 되는데, 지도학습, 비지도학습, 강화학습이다. 이 중 초보자가 중점적으로 배우게 되는 것은 지도학습과 비지도학습이다. 이 두 학습의 간단한 차이를 나타낸 그림을 한 번 보자. 지도학습(Supervised Learning.. 2021. 6. 27.

티스토리툴바