본문 바로가기
반응형

AI · 인공지능/딥러닝 Tutorial24

[딥러닝 입문 - 3] 미분의 기초 (2/3) 3.2. 두 점 사이를 잇는 직선의 기울기 접선의 기울기와 미분의 관계를 알아보기 위해 먼저 2점을 지나는 직선의 기울기를 구하는 문제를 봅시다. 직선의 기울기는 'y(세로)의 증가량 / x(가로)의 증가량'으로 계산할 수 있기 때문에, 위의 직선의 기울기 a는 로 구할 수 있습니다. 3.3 접선의 기울기 위 그림에서 점 x1의 접선의 기울기를 구하기 위해, 다른 점 x2를 x1에 가깝게 가져갑니다. 그러나 x1과 x2가 완전히 겹치면, x 방향, y방향의 증가량이 모두 0이 되어 버리기 때문에 기울기는 0/0이 되어, 계산할 수 없습니다. 그래서 2개의 점은 다른 점으로 있으면서 x2를 한없이 x1에 가깝게 접근시켰을 때, 직선의 기울기가 어떻게 되는지를 볼 필요가 있습니다. 이를 수식으로 표현하자면 .. 2020. 7. 11.
[딥러닝 입문 - 3] 미분의 기초 (1/3) 미분의 기초 3.1 미분과 함수 최소화의 관계 앞장에서 미분이 목적 함수의 최소화에 도움이 된다고 소개했습니다. 이번 장에서는 먼저 구체적인 예를 통하여 그것을 직관적으로 이해해 봅시다. 예를 들어, 아래 그림과 같이 아래로 오목한 형태를 한 함수가 어디서 최소값을 취할지 찾는 문제를 생각해 봅시다. 적당한 점 θ1에서 이 함수의 그래프에 접하는 직선(접선)을 살펴봅시다(※주석 1). 만일 이 접선의 기울기가 +3, 즉, 양수였다고 합시다. 이때, 접선은 오른쪽으로 갈수록 기울기가 높아지고 반대로 왼쪽으로 갈수록 낮아집니다. θ1의 주변에서는 함수의 그래프와 접선이 아주 가까워서, 점과 선의 구분이 안 될 정도입니다. 함수 역시 접선처럼 θ1의 오른쪽은 증가하고 왼쪽은 감소한다는 것을 알 수 있습니다. .. 2020. 7. 10.
[딥러닝 입문 - 2] 머신 러닝에 사용되는 수학 다음 장부터 3회에 걸쳐 딥러닝을 포함한 머신 러닝에 필요한 수학의 기초로 '미분', '선형 대수학', '확률 통계'의 3가지에 대한 요점을 짧게 소개하겠습니다. 그 전에, 이 장에서는 기계 학습(machine learning)의 개념에 대해 큰 틀을 잡고, 어느 부분에서 각 항목이 등장하는지 파악해 둡시다. 2.1 기계 학습이란? 기계 학습은 주어진 데이터에서 알 수 없는 데이터에 대하여 특정 규칙이나 패턴을 추출하고, 이를 바탕으로 미지의 데이터를 분류하거나 예측하는 방법을 연구하는 학문 영역입니다. 기계 학습은 다양한 기술에 응용되고 있으며, 예를 들어 화상 인식, 음성 인식, 문서 분류, 의료 진단, 스팸 메일 탐지, 상품 추천 등 다양한 분야에서 중요한 역할을 하고 있습니다. 2.2. 지도 학습.. 2020. 7. 7.
[딥러닝 입문 - 1] 딥러닝 시작하기 이 튜토리얼은 기계 학습과 딥러닝의 구조 및 사용법을 이해하고자 하는 대학 학부생 이상을 대상으로 작성되었습니다. 기계 학습을 배우고 시작하려고 한다면 어느 정도 선형 대수학과 확률 통계 등 수학의 지식에서부터 프로그래밍 지식이 필요합니다. 하지만, 수학 및 프로그래밍 언어에 익숙하지 않으면 기계 학습을 배울 수 없는가 하면, 반드시 그렇지도 않습니다. 이 튜토리얼은 기계 학습과 딥러닝에 관심을 갖고 계신 분들이 최소한의 수학적 지식과 프로그래밍을 배우고 시작할 수 있도록 자료를 구성하고 있습니다. 이 자료는 단지 기계 학습과 딥러닝에 입문하는 것을 목표로 만들어졌습니다. 초심자 분들이 "무엇부터 배우고 시작하면 좋을까?"라는 망설임 없이 학습을 시작할 수 있도록 하는 것을 목표로 한 자료입니다. 또한,.. 2020. 7. 4.
반응형