딥러닝 이해가안감

[익명(110.70)]

맨날 자바로 앱만들고 그래서 그런지 모르겠는데

뭘 어케한다는지를 모르갰어

바닥부터 알려주는 강좌같은거 없음??

텐서플로 프레임워크밖에 모름 ㄹㅇ

모델이 뭐고 그런거 좆도모른다

- dc official App

[익명(175.194)]

그냥 제일 쉬운 예제 코드 하나 봐봐 1. 데이터셋 가져오기 2. 트레이닝 셋이랑 테스트 셋으로 나누기 3. 모델 설정하기 4. 트레이닝 시키기 5. 테스트셋으로 검증하기 이게 딥러닝 예제 기본 패턴임 저기서 바뀌는건 데이터셋, 트레이닝셋이랑 테스트셋 수량, 모델(걍 신경망이라고 하자 나도 몰라)에서 무슨 함수 쓸건가, 몇번 트레이닝 시킬건가, 검증함수 뭐

[익명(175.194)]

나도 오래되서 기억안나는디 그냥 저런 덩어리로 보면 되고 자세한건 니가 수학박사 아니면 이해하려고 하지마. 머리 터진다.

[익명(110.70)]

걍 간단한코드로도 지혼자 학습이 돼?? - dc App

[익명(175.194)]

지 혼자 학습된다는 의미가 reinforced learning ?(맞냐 오래되서 기억안나) 얘기 하는거면 저런 형태랑은 다를거 같고... 저거는 supervised learning의 기본적인 형태라 저기 데이터 불러오기 전에 따로 데이터 가공을 하는디

[익명(110.70)]

웅 난 뉴럴네트워크? 이렇게 지혼자 막 생각하는 Ai ㅋㅋㅋ - dc App

[익명(175.194)]

데이터 가공할때 그 데이터마다 정답이 뭔지 다 라벨링을 해줘. 그래서 그거 가지고 트레이닝하는거야. 그러니까 선생님 학생한테 답지 주고 학습시키는거야

[익명(110.70)]

아항... 그럼 그냥 알고리즘이지? 없는 데이터갖고오면 답 못하니깐 - dc App

[익명(175.194)]

기존방식이랑은 다르지. 알고리즘이 조건따라 순차적으로 실행해서 답을 구하는 방식이라고 정의한다면 딥러닝은 데이터로부터 패턴을 뽑아내는식이라고 해야되나..

[익명(175.194)]

지금까지의 문제 해결 패러다임하고는 좀 다르다고 봐

[익명(110.70)]

으흠... 그럼 if문같은거에서 이제 조건문없이 자기가 찾는거라고 보면되는건가 - dc App

[익명(175.194)]

응 사람들 발에 물감 묻혀서 막 돌아다니게 하면 발자국 생기는디 거기서 제일 진한 선 뽑으면 사람들이 제일 흔하게 간 길 패턴이 나오지. 트레이닝 결과 이 패턴을 뽑게 되는거고 웨이트라고 부르던데. 그리고 이 웨이트에 얼마나 가깝냐로 뭔가 구분한다거나 분류한다거나 그런게 되는거 같더라... 97% 일치 이런식으로...

[익명(104.7)]

결국 기본으로부터 위로 쌓아 올린건지 위에서 부터 아래로 파고 들어갈껀지의 문제인데 대학에서 기초 닦는거 아니면 위에 놈이 말한대로 예제나 실용적인거 시작부터 아래로 파고드는게 나음

[익명(110.70)]

흠... 그럼 내 앱에서 키워드만 쏙뽑아서 추천 알고리즘 AI화할라면 얼마나 걸릴까? 이런거도 학습있어야되지? - dc App

[익명(104.7)]

그런 경우 가장 중요한 틀은 1. 문제가 무엇인지 정확히 정리하고. 2. 데이터를 확보할 수 있는 파이프라인 구축. 3. 데이터를 기반으로한 최적화. 4. 그리고 그 최적화 모델을 어떻게 검증할거고 프로덕션에 어떻게 올릴건지.

[익명(110.70)]

역시 근데 학습시킬 데이터는 어느정도 있어야 학습이 될만할까? 게임은 걍 리트하면되는데 이런거는 어느정도나 있어야될지 감이안온다.... 뭐 보면 몇십 몇백만까지 학습시키던데 - dc App

[익명(104.7)]

솔직히 말하자면 문제가 얼마나 어려운지, 데이터가 얼마나 잘 정리되었는지의 문제. 중요한건 네가 만들어낸 모델의 효과를 비교할 수 있는 베이스라인이 있어야함.

[익명(110.70)]

베이스라인이 내가 만든 딥러닝 테스팅해보는거야? - dc App

[익명(110.70)]

막 아까 말했던거 예시로 들면 키워드 몇개 주고 진짜 연관된거 찾는지 - dc App

[익명(104.7)]

니가 손수 만든 간단한 알고리즘이나 널리 쓰이는 간단한 모델이나 솔루션이랑 비교해서 어떤지 비교대상이 될만한거

[익명(104.7)]

프레임워크 잡고 모델 하나 뱉어냈다 치자. 이게 말이 되는지, 계속 돌려줄 가치는 있는지 뭐 보이는게 있어야할거 아님 ㅇㅇ

[asdasd(122.43)]

딥러닝 말고 간단한 머신러닝 해보셈

[asdasd(122.43)]

머신러닝도 데이터 1000개만 있어도 나름 유의미하게 나옴

[익명(110.70)]

근데 아직도 머신러닝, 딥러닝, 뉴럴 네트워크 뭐가 다른지 모르겠어 - dc App

[익명(175.194)]

머신러닝은 통계에 가까워

[익명(110.70)]

그럼 가장 고도화된게 딥러닝? - dc App

[익명(175.194)]

지금은 그런거같긴한데 어찌보면 머신러닝은 용도가 다른걸수도 그냥 빅데이터쪽이랄까? 뭐 나도 잘 몰라 내말 다 믿지는 말고.

[익명(118.235)]

오홍 일단 ㄱㅅ 난 다 같은건줄알았음 - dc App

[익명(104.7)]

딥러닝도 결국 통계적 학습 관점에서 보면 여러 기법들 중에 하나일뿐임. 일단 머신러닝 기본부터 배우면 간단한 선형회귀 관련 먼저 배우게될건데 이건 데이터가 간단한 직선 혹은 평면으로 나눌 수 있고 여러 변수 사이에서의 상관관계를 포착하는데 부적합함. 그래서 자연적으로 생각하게 되는건 평면으로 나눌 수 없으면 데이터를 평면에서 나눌 수 있는 공간으로 옮기자, 라는건데 여기서 사용할 수 있는 기법들중 대표적인게 뉴럴네트워크와 커널기법이 있고 전자 같은 경우 데이터와 시간만 무한하다면 내가 찾고 싶은 답을 근사할 수 있다는 보장이 있음. 하지만 데이터하고 시간이 무한하냐? 그렇지 않으니까 사람들이 데이터를 덜 쓰면서 패턴을 빠르게 찾는 여러 아키텍쳐들을 개발해내는거고

[익명(104.7)]

결국 그 부품들 엮고 쌓아 올리면서 문제 해결하려하는게 통틀어서 딥러닝임. 그냥 엄청 간단하게 보자면 이렇고 뭐 이런걸 수행하는데 최적화된 하드웨어를 개발한다거나, 아니면 특정 문제(자가주행 자동차, 자연어처리)를 해결한다거나, 아니면 특정 문제 해결기법들 사이에서 교집합을 찾아서 다른 분야의 학습도 효율을 올린다거나 요즘 눈으로 보이는 결과를 많이내니까 너도 나도 뛰어드려하는 사람들 많은 분야임

[익명(118.235)]

어우... 나같은게 가능할라나 - dc App