[IBM AI course #2] Introduction to Deep Learning & Neural Networks with Keras Backpropagation신경망이 가중치(w)와 편향(b)을 최적화하여 학습하는 방법을 이해역전파(backpropagation)를 통해 오차를 이용한 가중치/편향의 업데이트 과정 설명 딥러닝 모델 학습 과정1.초기화: 가중치와 편향을 무작위로 설정2.순전파 (Forward Propagation): 입력 → 출력 계산3.오차 계산: 예측값과 정답(레이블) 간 차이 계산 (손실 함수)4.역전파 (Backpropagation): 오차를 각 가중치/편향에 대해 미분하여 기울기(gradient) 계산5.가중치/편향 업데이트: 경사하강법을 이용해 업데이트 위 과정을 지정된 에..

[IBM AI course #2] Introduction to Deep Learning & Neural Networks with Keras Gradient Descent신경망이 가중치(w)와 편향(b)을 학습하고 최적화하는 방식을 이해하는 데 필수적인 개념. 예를 들어,[ z = 2x ]라는 데이터를 관찰했을 때, 우리는 [ wx ]가 실제값 z와 최대한 비슷하게 나오도록 만들고 싶은 것이 핵심이다. 여기서 w는 우리가 학습할 가중치(weight)가 된다.xz (= 2x)122436 손실 함수 (Cost/Loss Function)w 값을 최적화하여 데이터에 가장 잘 맞는 직선을 찾는 것.손실 함수 J(w) = ∑ (z - wx)²로 정의했을 때 (평균 제곱 오차 (MSE) 구조)이 함수는 포물선 형태로..

[IBM AI course #2] Introduction to Deep Learning & Neural Networks with Keras 딥러닝 알고리즘은 생물학적 뉴런의 작동 방식을 모방하고 있다.인공 뉴런은 구조적, 기능적으로 생물학적 뉴런과 유사하며, 학습은 반복을 통한 연결 강화로 이루어진다. 생물학적 뉴런(Biological Neuron)의 구성 요소Soma (체세포): 뉴런의 중심이며 핵(nucleus)을 포함함.Dendrites (수상돌기): 다른 뉴런의 시냅스(terminal buttons/synapses)에서 전기 신호를 받아 soma로 전달함.Axon (축색돌기): soma에서 처리된 정보를 시냅스로 전달함.Synapses (시냅스): axon의 끝부분, 다른 뉴런과 연결되는 지점. ..

Introduction to Deep Learning & Neural Networks with Keras 🔗 https://www.coursera.org/learn/introduction-to-deep-learning-with-keras/[IBM AI course #2] Introduction to Deep Learning & Neural Networks with Keras딥러닝과 인공신경망에 대한 기초를 배우고, Keras를 사용하여 딥러닝 모델을 직접 구현하는 데 중점을 둔 과정 과정명: IBM AI Engineering Specialization의 2번 코스강의 대상: 딥러닝 및 인공신경망에 대한 기초를 배우고 싶은 사람, 머신러닝 경력을 시작하고자 하는 입문자, 기초 지식이 있는 실무자 중 딥러..

[IBM AI course #1] Machine Learning with Python Supervised Learning Evaluation Classification Evaluation모델이 새로운 데이터를 얼마나 잘 예측하는지 평가방법train-test-split주요 분류 성능 지표accuracy(정확도)confusion matrixprecision(정밀도),recall(재현율)F1 score (precision과 recall의 조화 평균)→ Accuracy만 높아도 실제 중요한 경우를 놓칠 수 있어서, 예를 들어 암 진단에서는 정밀도(진단이 맞는지)와 재현율(실제 암 환자를 놓치지 않는지)도 함께 평가해야 한다.→ 사용자에게 영화를 추천했는데, 사실 그 사람이 별로 좋아하지 않는 영화였다면? 이..

[IBM AI course #1] Machine Learning with Python Clustering클러스터링은 데이터 간 유사성을 기반으로 그룹을 나누는 (고객 세분화, 이상치 탐지 등) 비지도 학습 기법이며, K-Means, 밀도 기반 클러스터링(DBSCAN), 계층적 클러스터링 등 다양한 알고리즘이 존재한다. K-Means 클러스터링각 데이터 포인트를 가장 가까운 중심점(centroid)에 할당하며, 중심점을 반복적으로 업데이트한다.클러스터 내 분산(Within-Cluster Variance) 최소화하는 것이 목표이며,볼록(convex)이고 균형 잡힌 클러스터에 적합하다. (불균형하거나 복잡한 모양의 데이터에는 부적합.)성능 평가 기법Silhouette Score, Elbow Method, D..

[IBM AI course #1] Machine Learning with Python Classification and Regression분류(Classification)는 지도학습(Supervised Learning) 방식으로, 학습된 모델을 통해 새로운 데이터의 레이블을 예측한다.주요 활용 사례고객 이탈 예측 (churn prediction)고객 세분화 (customer segmentation)광고 캠페인 반응 예측대출 상환 실패 예측다중 클래스 의약품 처방 추천 분류 알고리즘은 이진 분류(binary classification)뿐 아니라, 다중 클래스 분류(multi-class classification)도 지원한다.다중 클래스 문제를 해결하는 전략One-vs-All (OvA), One-vs-Re..

[IBM AI course #1] Machine Learning with Python Linear Regression회귀(Regression)는 연속형 타겟 변수와 설명 변수(feature) 간의 관계를 모델링하는 머신러닝 기법이다.단순 회귀 (Simple Regression): 독립 변수가 1개다중 회귀 (Multiple Regression): 독립 변수가 2개 이상 회귀 사용 예매출 예측유지보수 비용 예측강수량 추정감염병 확산 예측 단순 선형 회귀단순 선형 회귀는 독립 변수 하나로 타겟 변수 예측데이터 간 선형 관계를 가정하고, 최적의 직선(회귀선)을 찾는 문제y = w * x + b오차는 평균 제곱 오차(MSE)로 측정되며, 이러한 방식은 일반 최소 제곱(OLS: Ordinary Least Squa..

[IBM AI course #1] Machine Learning with Python Machine Learning Ecosystem머신러닝 생태계란 모델 개발, 배포, 관리를 지원하는 도구, 프레임워크, 라이브러리, 플랫폼, 프로세스들의 상호 연결된 환경을 의미한다. 파이썬은 머신러닝을 위한 풍부한 오픈소스 생태계를 제공하는데, 이 중에 우리는 Scikit-learn를 중심으로 살펴볼 것이다. Scikit-learnScikit-learn은 Python용 무료 머신러닝 라이브러리이다.NumPy, SciPy, Matplotlib 기반으로 구축되어 있다.분류(Classification), 회귀(Regression), 군집화(Clustering), 차원 축소(Dimensionality Reduction) 등 ..

[IBM AI course #1] Machine Learning with Python 머신러닝 도구란?머신러닝 도구는 복잡한 작업을 단순화하고, 전처리부터 모델 구현까지 파이프라인 전반을 지원한다.머신러닝 언어는 모델 구축과 데이터 패턴 해석에 사용되며, Python, R, Julia, Scala, Java, JavaScript 등이 있다.또한 데이터 처리, 시각화, 머신러닝, 딥러닝, 컴퓨터 비전, NLP, 생성형 AI 등 다양한 분야별 도구들이 활용된다. 주요 언어언어특징Python풍부한 라이브러리와 쉬운 문법으로 가장 널리 사용됨R통계 분석 중심, 데이터 탐색에 강함 도구의 종류에는 데이터 처리 및 분석, 데이터 시각화, 머신러닝, 딥러닝, 컴퓨터 비전, 자연어 처리(NLP), 생성형 인공지능(AI..