[AIタスク終了]二次試験-機械学習、深さ学習マイニング

일종의 소프트웨어 프로그램
뉴런 하나와 비슷

딥러닝은 순전파와 역전파가 반복적으로 이루어지면서
적합한 가중치를 스스로 찾아내고
우수한 성능을 가진 인공신경망이 완성됨

인공지능의 정의

명시적인 프로그래밍 없이도 컴퓨터가 스스로 학습할 수 있도록 하는 학문

-> 유형을 추가해 주는 시간과 노력 필요

트레이닝(데이터) 셋의 형태에 따라 나뉨

- 분류(classification)
	: 문제와 정답이 정확히 인간이 정해놓은 대로 딱 맞아 떨어지는 경우

	  자동화 시킬 수 있음


- 회귀 분석(refression analysis)
	: 문제와 답의 관계가 인과성을 지닌 
      연속적인 수치로 나타나는 데이터 셋을 사용해 학습하는 것

	y = f(x)

	x : 원인, 문제, input
	y : 결과, 답, output
	f() : 관계, 풀이, function

	원인과 결과 관계와 관련이 깊음

데이터들의 군집
: 입력 데이터들의 유사한 속성값

유사도함수
: 유사한 속성값을 찾기 위해 유사도 측정하는 함수

(1957년 플랑크 로젠블라트에 의해 고안된 인공 신경망 최초의 알고리즘)

어떻게 입력 데이터에 
어떤한 가중치가 실리고 
활성화 함수를 통해서 전달할지말지 판단하여 
출력을 내보낼 수 있는 구조

(은닉층 >= 2) : 심층 신경망, 딥러닝

층들의 노드간 연결강도를 나타내는 가중치(weight) 존재
가중치는 이전층의 어떤 노드의 결과값을 얼마나 신뢰할 것이냐는 의미

전체 트레이닝셋을 작은 그룹들로 나누었을 때

- 배치사이즈(batch size)
: 하나의 소그룹에 속하는 데이터 수
  
- 배치폼(batch form)
: 나누어진 형태

전체 트레이닝셋이 신경망을 통과한 횟수

ex) 1-epoch -> 전체 트레이닝셋이 하나의 신경망에 적용되어
			   순전파와 역전파를 통해 신경망 한 번 통과

미니배치가 신경망을 통과할 때마다 가중치 업데이트