01 Machine/Deep learning

Lec00 - Machine/Deep learning 수업의 개요와 일정

알파고, 이세돌
머신러닝, 딥러닝기술을 이용한 의사결정
이를 이해하는 것이 이 시대에 슈퍼파워를 갖는 힘

머신러닝이 무엇일까?
수학적 지식이 적은 사람일지라도
텐서플로, 파이썬으로 구현해보고 싶은 사람들

Goals
머신러닝 알고리즘의 기본적인 이해

• 선형회귀, 로지스틱 회귀(분류)
• 인공신경망, 합성곱, 순환신경망
  툴(텐서플로, 파이썬)을 이용한 문제 해결

Course structure

• 10분 정도의 수업
• 프로그래밍 튜토리얼

Acknowledgement

• Andre Ng's ML class
• Convolutional Neural Networks for Visual Recognition
• Tensorflow

Schedule

• 머신러닝 기본 개념
• 선형회귀
• 로지스틱 회귀
• 신경망
• 딥러닝

Lec01 - 기본적인 ML의 용어와 개념 설명

explicit programming의 한계

• 스팸 필터
• 자동드라이빙
  -> 너무 많은 rules, 개발자의 도움 없이 프로그램 스스로 학습해서 자동 분류하면 어떨까?

지도학습/비지도학습

• 정해져있는(labeled, trained) 데이터 : 지도학습
  -> ex.이미지 라벨링, 이메일 스팸필터, (1)(시간에 따른)시험성적 예측(regression), (2)(시간에 따른)P/F(binary classification), (3)(시간에 따른)grade(A,B,C,D,F)(multi-label classification).
  training dataset 필요

• 구글뉴스, Word clustering과 같은, 자동적으로 유사한 것들끼리 그룹핑 : 비지도학습

lab01 - TensorFlow의 설치 및 기본적인 operations

data flow graphs를 사용해서 numerical한 계산을 한다!

data flow graphs?
노드(operation)와 엣지(data)간 연산
텐서들의 그래프

TensorFlow 설치 및 실행

import tensorflow as tf
tf.xxx 형태로 사용

import tensorflow as tf

hello = tf.constant("Hello, TensorFlow!")

sess = tf.Sesstion()

print(sess.run(hello))

->b'Hello, TensorFlow!'

constant라는 노드를 만들고 세션을 만들어 이것을 실행시켰다.

TensorFlow Mechanics
1. Tensorflow operations을 이용해 그래프 생성
2. run graph(operation) - sess.run(op, feed_dict={x:x_data}) <-fedd_data로 값을 넘겨준다.
3. graph 내 변수 업데이트(혹은 리턴)

Tensor - Rank, Shapes, and Types

placeholder
그래프를 정의한다.