Tensorflow 은 간단한 사칙연산도 복잡한 그래프라는 구조를 사용해야합니다. 왜 그럴까요? 그건 Tensorflow가 경사하강법이란 알고리즘을 수행하면서 미분식이 필요하기 때문입니다. 그래프 구조는 그 미분식을 편리하게 도출하기 위한 수단입니다. 왜 그런지 수학적으로 설명했습니다.
이런 걸
배워요!
미분을 도출하는 과정을 알 수 있습니다.
파이썬 코드로 경사하강법을 구현해봅니다.
딥러닝 알고리즘 중 경사하강법을 수학적 접근으로 배웁니다.
Tensorflow 의 딥러닝은 결국 경사하강법을 수행하는 알고리즘입니다.
경사하강법이 뭘까요?
대충 위 그림처럼 그래프의 최솟값을 찾는 과정입니다.
본 강의는 수학적인 접근으로 경사하강법을 설명했습니다.
수학을 사용하지 않고 알고리즘을 설명하면 당장은 편하지만 명확한 이해는 어렵습니다.
어렵지 않은 수학으로 경사하강법을 설명했습니다.
* 혹시 강의 속도가 느리게 느껴지신다면 1.25 or 1.5배속으로 듣기를 권장드립니다.
학습 대상은
누구일까요?
머신러닝을 수학적으로 접근하고 싶은 분
Tensorflow 에 관심있는 분
선수 지식,
필요할까요?
없습니다.
수강생 수
4,725
수강평 수
112
강의 평점
3.7
강의 수
9
전체
14개 ∙ (1시간 44분)
강좌소개
07:32
간단한 네트워크 해 찾기 1
04:54
간단한 네트워크 해 찾기 2
10:21
간단한 네트워크 해 찾기 3
10:21
간단한 네트워크 해 찾기 4
06:55
목적함수
03:10
최솟값
11:44
경사하강법
02:38
돌을 굴려보자
10:01
절대값과 제곱의 차이
02:44
미분, 아주 작은 구간의 경사
09:33
경사하강법 코딩
13:48
경사하강법과 Tensorflow
07:30
Next
03:13