Python 문법, NumPy, Pandas, PyTorch를 이용한 데이터 처리 및 머신러닝 구현 가이드를 모았습니다.
4-2. 신경망 기초: 로지스틱 회귀
로지스틱 회귀 모델 구현, 시그모이드 함수, 이진 분류
4-3. 신경망 기초: 다층 퍼셉트론 (MLP)
MLP 구조, 활성화 함수, 역전파
4-4. PyTorch: 신경망 모델 구현
nn.Module, nn.Linear, 활성화 함수 구현
4-5. PyTorch: 손실 함수와 옵티마이저
손실 함수 선택, 옵티마이저 설정, 학습 루프
4-6. PyTorch: 모델 학습, 검증, 테스트
학습 과정, 검증 데이터, 테스트 데이터, 평가 지표
5-1. 딥러닝 심화: 활성화 함수
시그모이드, ReLU, Leaky ReLU, ELU, 활성화 함수 선택
5-2. 딥러닝 심화: 최적화 기법 - 경사 하강법
경사 하강법의 종류, SGD, Momentum, Adam
5-3. 딥러닝 심화: 정규화
L1, L2 정규화, Dropout, 배치 정규화
5-4. 딥러닝 심화: 과적합 방지
과적합의 이해, 조기 종료, 데이터 증강
6-1. 합성곱 신경망 (CNN) 기초
합성곱 연산, 풀링, CNN 구조
6-2. CNN: LeNet, AlexNet
LeNet, AlexNet 구조, 이미지 분류
6-3. CNN: ResNet, DenseNet
ResNet, DenseNet 구조, 잔차 연결