TensorFlow 알고리즘의 일반적인 흐름 ①

일련의 흐름 [인용원(1)]
①데이터 세트 가져오기 또는 생성
② 데이터 변환/정규화
③ 데이터 세트를 트레이닝 세트, 테스트 세트, 검증 세트로 분할
④ 알고리즘의 파라미터 설정
⑤ 변수와 자리 표시자 초기화
⑥ 모델 구조 정의
⑦ 손실 함수 설정
⑧ 모델 초기화 및 트레이닝
⑨ 모델 평가
⑩ 하이퍼 파라미터 튜닝
⑪ 배포 및 새로운 성과 지표 예측

무슨 말인지 전혀 모른다! ! ! ! 카타카나 영어 정말 그만두길 바란다.
순서대로 ①부터 열심히 씹는다.

①데이터세트(무언가의 목적으로 모아진 데이터의 일)를 임포트(그 데이터를 걸려주면 수입하는 이미지) 또는 생성(스스로 데이터를 만들거나 한다).

②데이터를 변환(TensorFlow에서 사용할 수 있도록 데이터의 형상을 바꾸는 것 같다, 여러가지 형태의 데이터가 있으므로 그것을 TensorFlow의 사용할 수 있는 형태로 하자고 느낄까.)/정규화(이것도 친숙한 의미일까 , 데이터를 사용하기 쉽도록 모양을 바꾸는 것 같다)한다.

③데이터 세트(처리되는 데이터의 정합의 것 같다)를 트레이닝 세트(이 부분에서 훈련시킨다), 테스트 세트(여기서 실제로 훈련 세트를 테스트시킨다), 검증 세트(결과 잘 되었는지를 여기에서 확인)으로 나눕니다.

모르기 때문에 알려주세요.
(1):「Python 기반의 활용 레시피 60+ TensorFlow 기계 학습 쿡북 2017년」p3-5