Deep learning # 3 ( 딥러닝 개요, 딥러닝의 구성 요소/파이프 라인 )

# 240619

 

딥러닝의 구성 요소

딥러닝을 구성하는 필수적인 요소

• 모델을 학습하기 위해 필요한 데이터 (Data)
  • 해결하고자 하는 문제(task)에 따라 필요로 하는 데이터의 형태나 구성이 달라진다.
• 주어진 데이터를 원하는 결과로 변환하는 모델 (Model)
  • 입력을 원하는 결과로 바꾸어주는 일련의 연산 과정을 구조화한 것. 딥러닝의 학습 대상.
• 모델의 결과에 대한 오차를 수치화하는 손실 함수 (Loss Function)
  • 실제 혹은 목표로 하는 값(y)과 모델의 추정한 값(y^) 사이의 차이, 즉 오차를 수치화하는 함수
  • ex) MSE, MAE....
• 손실 함수의 값이 최소가 되도록 모델의 파라미터를 조정하는 최적화 알고리즘 (Optimization Algorithm)
  • 손실 함수가 최소값을 가지도록 모델의 파라미터를 최적화하는 알고리즘
  • 딥러닝에서 ‘최적화’란 대개 최적의 해를 바로 찾는 것이 아닌, 근사최적해를 점진적으로 찾는 것을 의미
  • parameter( 파라미터, 매개변수 ) : 어떠한 시스템이나 함수의 성질을 나타내는 변수, 연산을 위해 정해줘야 하는 값 => 시스템 : y=ax+b(모델) , 파라미터 : a, b
  • 파라미터의 값을 변경해 주는 것이 학습
• 성능 향상을 위한 기타 알고리즘

성능 = 모델(구조) + 데이터 + 학습 방법 (손실함수, 최적화/기타 알고리즘)

 

딥러닝 파이프라인

모델이 데이터를 통해 추정한 값(y^)이 정답/목표(y)와 최대한 가까워지도록 ( = 손실 함수의 값이 최소가 되도록 )
파라미터( θ)를 최적화 알고리즘을 적용하여 최적의 모델 파라미터( θ*)를 찾는 과정