- 깊은 모델 일수록 더 많은 데이터가 필요하며, 이는 곧 좋은 퍼포먼스로 나타납니다.
- 최근 딥러닝이 강력한 도구로 부상한 이유는 아래의 3가지 요인들로 인해 딥러닝 성능이 향상되었기 때문입니다.
- 데이터 양 증가 - Data
- 컴퓨터 성능 향상 - Computation
- 알고리즘의 개선 - Algorithm
- ex) Sigmoid 함수가 아닌 ReLU 함수를 사용함으로 Gradient 소멸 문제 해결

Sigmoid 함수와 ReLU 함수sigmoid는 왼쪽, 오른쪽 끝으로 가면 미분값이 0이 되기 때문에 Gradient 가 소멸하는 문제가 발생하는데, ReLU 함수를 사용하므로 문제를 해결할 수 있습니다.
해당 내용은 뒤에서 다시 배울 예정이니 지금 이해하지 못해도 괜찮습니다 :)
해당 내용은 뒤에서 다시 배울 예정이니 지금 이해하지 못해도 괜찮습니다 :)
- 또한, 이전과 달리 빠른 실험 결과를 얻을 수 있어서, 아이디어(Idea) 생산 > 코드(Code) 구현 > 실험(Experiment)결과의 시간이 단축돼서, 더 많은 아이디어를 실험 할 수 있게 됐습니다. 이는 오늘날 딥러닝 알고리즘 분야에서 경이로운 혁신으로 이어졌습니다.

반응형
'AI 이론 > 강의 by Andrew Ng 요약 정리' 카테고리의 다른 글
(5) 로지스틱 회귀(Logistic Regression) (0) | 2022.09.07 |
---|---|
(4) 로지스틱 회귀 - 이진분류(Binary Classification)를 위한 알고리즘 (0) | 2022.09.07 |
(1) 신경망(Neural Network)이 무엇인가? (0) | 2022.09.07 |
(2) 신경망을 이용한 Supervised Learning(지도학습) (0) | 2022.09.07 |