728x90 ๋ฐ์ํ ํ์ด์ฌ ๋ฅ๋ฌ๋ ํ์ดํ ์น3 [ํ์ด์ฌ ๋ฅ๋ฌ๋ ํ์ดํ ์น] Part2 01 ์ธ๊ณต์ง๋ฅ(๋ฅ๋ฌ๋)์ ์ ์์ ์ฌ๋ก 1.1 ์ธ๊ณต์ง๋ฅ์ด๋ 1.2 ์ธ๊ณต์ง๋ฅ์ ์ฌ๋ก ์ด๋ฏธ์ง ๋ถ๋ฅ ๊ฐ์ฒด ํ์ง( ์ด๋ฏธ์ง์ ํฌํจ๋์ด ์๋ ๋ฌผ์ฒด๊ฐ ๋ญ์ง ์์๋ด๋๊ฑฐ ex) ์ค๋ ์๋์ฐจ์ผ) ํ ์คํธ ๊ธฐ๊ณ ๋ฒ์ญ ๋ฌธ์ฅ ๋ถ๋ฅ ์ง์ ์๋ต ์์คํ ๊ฐ์ฒด๋ช ์ธ์ ์ํ๊ณ GAN(Generative Adversarial Networks) ๊ณ ๋ฏผ์ฑ์จ ์ปจํผ ํ๋ก์ ํธ ๊ฐ์ ์ง๋ค์ด output์ ๋ง๋ค์ด๋ด๋ Style Transfer ์ฌ๋ฆ ํ๊ฒฝ์ ๊ฒจ์ธ ํ๊ฒฝ์ผ๋ก ์ด๋ฏธ์ง ๋ณ๊ฒฝ? deepfake 02 ํ์ดํ ์น 03 ๋จธ์ ๋ฌ๋์ ์ ์์ ์ข ๋ฅ 3.1 ๋จธ์ ๋ฌ๋์ด๋ 3.2 ๋จธ์ ๋ฌ๋์ ์ข ๋ฅ ๋ชจ๋ธ ํ์ต ์์คํจ์ 3.3 ๋จธ์ ๋ฌ๋์ ๊ตฌ๋ถ ๋ฐ ์ง๋ํ์ต ๋ชจ๋ธ์ ์ข ๋ฅ ์ง๋ ํ์ต VS ๋น์ง๋ ํ์ต VS ๊ฐํํ์ต 1. ์ง๋ํ์ต ์ ํ ํ๊ท ๋ชจ๋ธ ํ๊ท ๊ณ์ ์ถ์ ๋ชจ๋ธ (Lasso.. 2023. 7. 8. [ํ์ด์ฌ ๋ฅ๋ฌ๋ ํ์ดํ ์น] Part3 ๊ธฐ์กด ์ ๊ฒฝ๋ง์ ๋จ์ : ๊ณผ์ ํฉ Gradient Vanishing ++ Internal Covariance Shift ํ์ ๋ฐ์ ( Input ๋ถํฌ๊ฐ ๋ฌ๋ผ์ง์ ๋ฐ๋ผ ํ์ต ์๋๊ฐ ๋๋ ค์ง๋ ํ์ ⇒ ์ด๋ฅผ ์ํ์ํค๊ณ ์ ๋ฅ๋ฌ๋์ด ๋์ค๊ฒ ๋จ ๊ณผ์ ํฉ๊ณผ ๊ธฐ์ธ๊ธฐ ๊ฐํด ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ ๋ฅ๋ฌ๋ ๋ฐฉ๋ฒ drop - out ํ์ต ์์๋ dropout ์คํ ํ๊ฐ ์์๋ drop out ์ฌ์ฉx (๋ชจ๋ ๋ ธ๋๋ฅผ ํ์ฉํด output ๊ณ์ฐ) activation ํจ์ relu ํจ์ ์ ๋ ฅ ๊ฐ์ด 0 ์ด์ ๋ถ๋ถ์ด๋ฉด ๊ธฐ์ธ๊ธฐ 1, 0 ์ดํ ๋ถ๋ถ์ 0 ⇒ ๋ฐ๋ผ์ ์์ ์์ด์ง๊ฑฐ๋ ์์ ํ ์ด๋ฆฌ๋ ๊ฒ์ผ๋ก ํด์ ๊ฐ๋ฅ ⇒ ๋ ์ด์ด๊ฐ ๊น์ด์ ธ๋ Gradient Vanishing์ด ์ผ์ด๋๋ ๊ฒ์ ์ํ์ํด Batch Normalization Internal Covarian.. 2023. 7. 8. [ํ์ด์ฌ ๋ฅ๋ฌ๋ ํ์ดํ ์น] Part5 part5-1 Data & Task: ์ด๋ค ๋ฐ์ดํฐ๊ฐ ์์๊น ์์ฐ์ด ์ฒ๋ฆฌ(NLP) : text ๋ฐ์ดํฐ๋ฅผ ๋ถ์ํ๊ณ ๋ชจ๋ธ๋ง ํ๋ ๋ถ์ผ (NLU+NLG) ์์ฐ์ด ์ดํด(NLU): ์์ฐ์ด ์ดํดํ๋ ์์ญ ์์ฐ์ด ์์ฑ(NLG): ์์ฐ์ด ์์ฑ ๊ฐ์ ๋ถ์ (sentiment analysis) ์์ฝ(summarization) ๊ธฐ๊ณ ๋ฒ์ญ(machine translation) ์ง๋ฌธ ์๋ต(question answering) +a (ํ์ฌ ์์ธก ๋ถ์ผ, ์ฑ๋ด ์ฐ๊ตฌ, ๋ฌธ์ฅ ๊ฐ์ ๋ ผ๋ฆฌ์ ๊ด๊ณ์ ๋ํ ๋ถ๋ฅ ๋ชจ๋ธ, ์ค์์ ํํ ๊ตฌ๋ณ, ์ด๋ฏธ์ง ์ ์ํฉ ์ค๋ช ๊ธ ๋ง๋ค๊ธฐ ๋ฑ๋ฑ part5-2 ๋ฌธ์๋ฅผ ์ซ์๋ก ํํํ๋ ๋ฐฉ๋ฒ Tokenization: ๋ฌธ์ฅ์ ์๋ฏธ ์๋ ๋ถ๋ถ์ผ๋ก ๋๋๋ ๊ณผ์ ์ฐ์๋ ๋ฌธ์์ ๋์ด(๋ฌธ์ฅ)์ ์ ์ ํ๊ฒ ์๋ฏธ๋ฅผ ์ง๋ ๋ถ๋ถ์ ๋์ด๋ก ๋ฐ.. 2023. 7. 8. ์ด์ 1 ๋ค์ 728x90 ๋ฐ์ํ