목차 Setting up your Machine-Learning Application Train/Dev/Test set train set : 모델을 훈련하는데 사용한다. dev set : 훈련된 모델을 검증하는데 사용한다. test set : 잘 작동하는지에 대한 평가로서 사용한다. dev set은 valid set이라고 부르기도 한다. 이 세개의 set에 대한 비율을 설정해 줘야한다. 비율을 정하는건 데이터의 양에 따라 달라지는데 데이터가 1000~10000개 정도의 적당한 데이터셋에서는 train : dev : test = 8 : 1 : 1 혹은 = 6 : 2 : 2 정도로 사용한다 혹 데이터가 굉장히 많아 1,000,000개 정도의 데이터가 있다면 dev, test set은 훈련이 아니라 검증의 용..
목차 왜 사랑을 하고 싶을까? 난 지금 별로 사랑이 하고싶지 않다. 내 취미생활도 해야하고, 연구실에서 맡은 일도 해야하고, 내 개인적인 공부도 아직 할게 많고, 이렇게 가끔씩 쓸데 없는 생각도 해야하고, 취업을 위해서 정보도 찾아봐야하고, 친구관계도 열심히는 아니지만 나름 계속 지내야하고 내 우선순위로는 일단 위의 사항들이 위라서, 따로 사랑을 하고 싶지 않다. 근데, 어쩔 수 없는 걸까? 계속 내 마음속에는 욕구가 자리 잡는다. 필요 없을땐 좀 끄게 toggle식이면 안될까 싶은데, 참 어렵다. 그래서 곰곰히 생각을 해봤다. 대체 왜 난 사랑이 계속 하고 싶어지는걸까? 애초에 사랑을 하면 뭐가 좋지? 라고 생각을 하게 됬다. 내가 해본 사랑이라곤 딱 한번 밖에 없지만, 내가 해본건 그 경험뿐이니 그걸..
목차 Deep Neural Network 저번에는 Shallow Neural Network를 살펴봤는데, 이젠 좀 더 깊게 만들어보자 $$ L = 4 (#Layers) $$ $$ n^{[l]} = #units in layers l $$ $$ a^{[l]} = activation in layer l $$ $$ a^{[l]} = g^{[l]}(z^{[l]}) $$ Forward propagation in Deep Neural Network Building Blocs of Neural Network $$ Layer l : w^{[l]}, b^{[l]} $$ $$ Forward => Input: a^{[l-1]}, Output: a^{[l]} $$ $$ z^{[l]} = W^{[l]}a^{[l-1]} + b^{..
목차 Shallow Nueral Network 각 layer를 구분하기 위해 $$ a^{[l]} $$ 윗첨자를 붙여 구분한다. 각각의 유닛을 구분하기 위해 $$ a_{u} $$ 아랫첨자를 붙여 구분한다. 하나하나의 unit을 살펴보면 하나하나가 이렇게 구성되어있다. 하나하나의 unit이 각각 로지스틱 회귀를 구성하고 있다. Vectorizing 이것들을 벡터로 나타내면 다음과 같다. 이 하나하나의 훈련예제(training example)들을 한번에 계산 해 볼 것이다. 각각의 훈련예제는 윗첨자 (m)으로 구분한다. $$ z^{(m)} $$ Activation Function 입력을 변환해주는 함수 sigmoid function $$ A^{[l]} = \sigma(Z^{[l]}) $$ $$ a = \fra..
