개발자 회고록

딥러닝을 위한 Norm 기계학습 자료에서 간혹 Norm과 관련된 수식이나 표기법을 나오면 당황스러울 때가 있습니다. 선형대수에 익숙하지 않다면 Norm이 이상하게 보일 수 있습니다. 본 문서에서는 인공신공망과 기계학습 일고리즘에서 사용되는 Norm을 이해하는 것을 목표로 최소한도의 Norm 개념을 정리합니다. 일반적으로 딥러닝에서 네트워크의 Overfitting(과적합) 문제를 해결하는 방법으로 다음과 같은 3가지 방법을 제시합니다. 더 많은 데이터를 사용할 것 Cross Validation Regularization 더 이상 학습 데이터를 추가할 수 없거나 학습 데이터를 늘려도 과적합 문제가 해결되지 않을 때에는 3번 Regularization을 사용해야 합니다. Regularization에서는 Los..

이것은 선형대수학 및 그 정의에 사용되는 기본 요소에 관한 것입니다. 또한 Python/Numpy의 중요한 기능을 소개합니다. 예를 통해 벡터 및 행렬을 만드고 사용하는 방법을 설명합니다. 기본 요소인 Scalar, Vector, Matrix, Tensor에 대해서 알아봅시다. 스칼라는 하나의 숫자를 의미합니다. 벡터는 숫자(스칼라)의 배열입니다. 행렬은 2차원의 배열입니다. 텐서는 2차원 이상의 배열입니다. 기호 표현은 Deep Learning Book에서 채택한대로 사용하겠습니다. 스칼라는 소문자의 이탈릭체를 사용합니다. (예시: n) 벡터는 소문자의 강조 이탈릭체를 사용합니다. (예시: x) 행렬은 대문자의 강조 이탈릭체를 사용합니다. (예시: X) 예제 1. 벡터 표현 np.array를 사용합니다..