서랍정리

전 포스팅에서 다음 시간에는 Linear Classifier에서 W의 성능을 판단하기 위한 loss function(손실 함수), 최대한 좋은 값의 W을 구하기 귀한 Optimization(최적화)를 배우기로 한다. 를 이어 진행! Lecture 3. Loss Function(손실함수) and Optimization(최적화) 이번 시간에는 전 강의에서 짚어봤던 'W를 어떻게 하면 더 좋게 만들것인가?' 에 대한 내용을 더 상세하게 알아보려한다. W를 좋게 만들기 위한 이유는? 분류기(Linear Classifier)의 기본 식을 다시 살펴보자. $ f(x) = Wx + b $ 우리가 예측하고 싶은 이미지를 입력으로 받아왔을 때, 모델의 학습을 거쳐 만들어진 W 값(클래스 별로 만들어진 이미..

AIFFEL 수업과정 중, 딥러닝 이론 수업이 학생들과 토론, 질문하는 것의 최정점이 아닐까한다. 이 시간만 되면, 전공에 관계없이 다들 혼이 나가 필기를 열심히 하고 있고, 나도 마찬가지로 오후 시간을 그렇게 보냈다. 몰아치는 이론과 몰아치는 교수님의 영어,,, 우리는 모두 폭풍을 견뎌내고 있다. 어떻게 지나는지 모를 오후 시간이다. 이해한 바를 설명한 이후의 학생의 첨언들이 이 시간을 채워준다. AIFFEL 과정에서 이 수업의 CNN의 인트로 부분은 건너뛰고 Lec.2부터 진행했다. Lecture 2. Image Classification 이번 강의는 우리의 목표인 좋은 분류기를 만들기 전, 컴퓨터에서 분류라는 주제가 왜 어려운 문제인가. 분류기의 정말 기본적인 이론 이야기 : KNN Linear C..