AndrewNg6 [Deep Learning] 10 m개 샘플의 경사하강법 | W2 신경망과 로지스틱 회귀 | C1 신경망과 딥러닝 | Andrew Ng https://youtu.be/KKfZLXcF-aE?si=E2lLsQBXvUPnCNyO 지난 동영상에서는 도함수를 계산해 단일 샘플에 대한 로지스틱 회귀의 경사 하강법을 구현해 보았습니다. 이제 이를 $m$개의 훈련 샘플에 대해서 해 보려고 합니다. $\mathcal{J}(w,b)=\frac{1}{m}\sum^m_{i=1}\mathcal{L}(a^{(i)},y)$ 그 시작으로 비용 함수 $\mathcal{J}$의 정의를 다시 살펴봅시다. $w$, $b$에 대한 비용 함수는 다음과 같이 평균 값입니다. $\frac{1}{m}$에 $i = 1$부터 $m$까지 샘플 $y$에 대한 출력값 $a^{(i)}$의 손실의 합을 곱한 것이죠. $a^{(i)}=\hat{y}^{(i)}=\sigma(z^{(i)})=\sig.. 2025. 8. 26. [Deep Learning] 09 로지스틱 회귀의 경사하강법 | W2 신경망과 로지스틱 회귀 | C1 신경망과 딥러닝 | Andrew Ng https://youtu.be/z_xiwjEdAC4?si=lQypGk0marGIIarD 이번 동영상에서는 로지스틱 회귀의 경사 하강법을 구현하는 데 필요한 도함수를 계산하는 방법에 대해 알아보겠습니다. 여기서 알고 가야 할 것은 로지스틱 회귀의 경사 하강법을 위해 필요한 핵심 공식을 구현하는 방법입니다. 이 동영상에서는 이를 계산 그래프를 통해 하려고 합니다. 계산 그래프를 로지스틱 회귀의 경사 하강법에 사용하는 것은 조금 과하긴 하지만, 이런 방법을 사용해 설명하면 이런 개념이 익숙해져서 나중에 완전한 신경망을 다룰 때 이해가 더 잘 될 것입니다. $z = w^Tx+b$$\hat{y}=a=\sigma(z)$$\mathcal{L}(a,y)=-(y\log(a)+(1-y)\log(1-a))$ 그러면 로지스틱.. 2025. 8. 26. [Deep Learning] 02 로지스틱 회귀 | W2 신경망과 로지스틱 회귀 | C1 신경망과 딥러닝 | Andrew Ng https://www.youtube.com/watch?v=hjrYrynGWGA 이번 주에 배울 것은 바로 로지스틱 회귀입니다. 이 학습 알고리즘은 지도 학습 문제에서 출력될 레이블 y가 0이나 1일 경우, 다시 말해 이진 분류 문제들에서 쓰입니다. $\text{Given }x\text{, want }\hat{y}=P(y=1\mid x)$ 입력될 특성 벡터 $x$가 있다고 해봅시다. 예를 들어 고양이 사진인지 아닌지 구분하고 싶은 사진이 주어졌을 때 $y$의 예측값을 출력하는 알고리즘을 원합니다. 더 자세히는 $\hat{y}$은 입력 특성 $x$가 주어졌을 때 $y$가 1일 확률을 뜻합니다. 다른 말로 $x$가 지난 시간에 본 사진이라면 $\hat{y}$은 이 사진이 고양이 사진일 확률을 알려줍니다. $.. 2025. 7. 20. [Deep Learning] 01 이진 분류 | W2 신경망과 로지스틱 회귀 | C1 신경망과 딥러닝 | Andrew Ng https://www.youtube.com/watch?v=eqEc66RFY0I 돌아온 것을 환영합니다. 이번 주에는 신경망 프로그래밍의 기초를 살펴보겠습니다. 신경망을 구현할 때에 정말 중요한 몇몇 구현 기법들이 있습니다. 예를 들면 $m$개의 훈련 샘플의 훈련 세트가 있을 때 훈련 세트를 처리하는 익숙한 방법은 아마 for 문을 이용해 $m$개의 데이터를 일일이 보는 것입니다. 사실은 훈련 세트를 처리할 때 보통 for 문을 굳이 사용하지 않고 처리하길 원할 것입니다. 어떻게 하는지는 이번 주 수업을 통해 배우겠습니다. 하나 더 예를 들면 보통 신경망의 계산 과정을 살펴볼 때 정방향 패스 또는 정방향 전파라는 단계 뒤에 역방향 패스 또는 역방향 전파라는 단계가 있습니다. 그래서 이번 주 수업을 통해 신.. 2025. 7. 11. [Deep Learning] 04 왜 딥러닝이 뜨고 있을까요? | W1 딥러닝 소개 | C1 신경망과 딥러닝 | Andrew Ng https://www.youtube.com/watch?v=xflCLdJh0n0 딥러닝과 신경망에 대한 기본적인 이론이 이미 오랫동안 존재했다면, 왜 이제서야 뜨고 있는 것일까요? 이 동영상에서는 딥러닝의 주요 성장 동력에 대해 알아보겠습니다. 그 이해가 조직 안에서 더 나은 위치와 기회를 가져다 줄 것입니다. 지난 몇 년간 많은 사람들이 제게 물었습니다. 딥러닝이 왜 갑자기 잘 되고 있는 것인지 말입니다. 그러면 보통 이것을 보여 줍니다. 그래프를 그려 봅시다. 가로축은 어떤 태스크에 대한 데이터의 양을 세로축은 학습 알고리즘의 성능을 나타냅니다. 스팸 메일 분류기, 광고 클릭 수 예상의 정확도나, 자율 주행 자동차가 다른 차량의 위치를 파악할 때 사용하는 신경망의 정확도 같은 것들 말이죠. 전통적인.. 2025. 7. 11. [Deep Learning] 01 환영합니다! | W1 딥러닝 소개 | C1 신경망과 딥러닝 | Andrew Ng https://www.youtube.com/watch?v=CS4cs9xVecg 안녕하세요. 이미 알고 계시겠지만, 딥러닝은 웹 검색이나 광고 같은 인터넷 산업에 이미 사용되고 있습니다. 뿐만 아니라 딥러닝은 새로운 종류의 상품이나 산업의 개발을 가능하게 합니다. 많은 사람들은 X-ray 이미지 분석에서 탁월한 헬스케어 분야부터 개인 맞춤형 교육, 정교한 농업기술, 자율주행 자동차까지 다양한 것들을 창조해내고 있습니다. 딥러닝 도구를 배우고 이를 접목해 놀라운 것들을 만들고 싶다면, 그 목표를 달성할 수 있도록 함께 도와드리겠습니다. 이 딥러닝 전문 과목인 Coursera 수업들을 다 듣게 된다면, 이력서를 쓸 때 딥러닝에 대해 잘 알고 있다고 자신 있게 쓸 수 있을 것입니다. 앞으로 몇 십 년 동안 이 .. 2025. 7. 11. 이전 1 다음
