Deep Learning ํ๋ก์ ํธ ๊ธฐํ ๊ณผ์
1. ์ฃผ์ : ๋ฅ๋ฌ๋ ํ์ฉ ์ธ๊ณต์ง๋ฅ ์ฐ๊ตฌ ์ ์
- ๊ด๋ จ ์ ํ ์ฐ๊ตฌ ํ์
- ์ฐ๊ตฌ์ ์ฌ์ฉํ ์ ์๋ ๊ณต๊ฐ ๋ฐ์ดํฐ์
- ์ฐ๊ตฌ ์ฃผ์ ์ค๋ช
- ์ฐ๊ตฌ ์ํด ์ฌ์ฉํ ๋ฐฉ๋ฒ๋ก , ์ ํ ์ฐ๊ตฌ, ๋ฐ์ดํฐ์ , ํ์ต ๊ณผ์ ์ ์
2. ํ๊ฐ ๊ธฐ์ค
- ์ ํ์ฐ๊ตฌ ์กฐ์ฌ ๋ฐํ
- ์ต์ข
๋ฐํ
- ์ฐ๊ตฌ ๋๊ธฐ, ์ค์์ฑ, ์ ํฉ์ฑ, ๋์ ์ฑ
- ๊ธฐ์กด ์ฐ๊ตฌ : ๋ค์์ฑ, ์ธ์ฉ ์ฌ๋ถ, ๊ธฐ์กด ์ฐ๊ตฌ์ ํ๊ณ์ ๋ฐ ์ ์ ๋ฐฉ๋ฒ๋ก ์ ์ฐจ์ด์ ๊ณผ ์ฅ์
- ๋ฌธ์ ์ ์ : ์ ์ ๋ฐฉ๋ฒ๋ก ์ ํ์ํ ์ฉ์ด ๋ฐ Notation ์ ์, ํ๊ณ ์ ํ๋ ๋ฌธ์ ์ ์ (๋ชฉ์ ํจ์, ๊ฐ์ ๋ฑ)
- ๋ฐ์ดํฐ์ ์ ํฉ์ฑ
- ์คํ ์๋๋ฆฌ์ค ์ค์
- ์ ์ ๋ฐฉ๋ฒ
- ์ ์ฒด์ Flow : ๊ทธ๋ฆผ, ์์, ์๊ณ ๋ฆฌ์ฆ ์ด์ฉํ Input/Output ํํ
- Contribution ํํ
๋๊ธ