<학습 내용>
1. 순방향 신경망의 계층 구조
1) 입력 계층: 외부에서 데이터를 전달 받음
2) 은닉 계층: 데이터의 특징을 추출
3) 출력 계층: 추출된 특징을 기반으로 추론한 결과를 외부에 출력
2. 완전 연결 계층: 계층에 속한 각 뉴런이 이전 계층의 모든 뉴런과 모두 연결된 구조
(순방향 신경망은 모든 계층이 완전 연결 계층으로 구성됨.)
3. 특징을 추출하는 뉴런 구조
* 뉴런: 데이터의 특징 추출을 위해 가중합산과 활성함수를 순차적으로 실행
* 가중합산: 추출할 특징에 중요한 영향을 미치는 데이터를 선택하는 과정
* 활성함수: 원하는 형태로 특징을 추출하기 위해 데이터를 비선형적으로 변환하는 것.
4. 분류 문제
* 이진 분류: 두 개의 클래스로 분류
* 다중 분류: 여러 개의 클래스로 분류
5. 분류 모델
* 판별함수로 정의: 입력 데이터가 속한 클래스를 예측
* 확률 모델로 정의: 입력 데이터가 각 클래스에 속할 확률을 예측
6. 회귀 문제
* 여러 독립 변수와 종속 변수의 관계를 연속 함수 형태로 분석
* 예측값이 숫자형 데이터면 회귀문제임.
<교재 리뷰>
각 용어에 대한 설명이 상세히 나와 있으며 이미지 자료를 통해 보다 직관적으로 내용을 이해할 수 있다. 이론에 그치지 않고 챕터 마지막 부분에 딥러닝을 실제로 구현할 수 있는 코드가 있어 학습한 내용을 직접 실습할 수 있다는 점이 좋았다.