@gellston 님이 알려주신 개념
Linear Regression → 값을 예측하는 방법
Gradient Descent Algorithm → 로스 기울기 계산을 위한 연쇄미분 푸는 알고리즘?
Multivariate Linear Regression → 값을 예측할때 여러가지 다변수 입력?을 가지고 예측
Logistic Regression → 확률을 예측
Multivariate Logistic Regression → 확률을 예측할때 여러가지 다변수 입력?을 가지고 예측
XOR Problem → 성능을 끌어 올리기 위해서 비선형이 필요한 이유
Multi Layer Perceptron (MLP) → 5번의 XOR로 인해 고안된 설계
Dropout → 학습 안정화를 하는 방법중 하나
CNN → 필터를 학습해보자
Batch Normalization → 학습 안정화를 하는 방법중 하나
Classification → 확률 예측을해서 물체를 분류
이걸 이미지화 해봤습니다 . 내용은 GPT 의 도움을 받았지만 이미지는 일일이 제가 작업했습니다 ^^
(뭔가 컴퓨터가 생각을 하고 노가다는 제가 한 느낌이네요)
왠지 저 11가지 개념을 코드로 구현 가능하다면 하나씩 습득한다면 AI 개발자가 될지도
요건 제미니가 만들어준 인포그램입니다. 한글로 해달라고 하니까 안해주네요
그리고 저 1~11 단계를 이해를 하게 되면 자신감이 붙고 쉬운 논문들은 볼 수 있게 됩니다.
분야도 다양하지만 저는 개인적으로 모델의 구조 제안, 간단한 모델 개선 논문 위주로 추천드립니다.
그나마 상대적으로 다른 분야 보다 변동이 적고 논문 하나를 잘 이해하고 있으면 우려먹기가 많아서 계속 사용하게 됩니다.
딥러닝 개발자가 되어라라는 말은 절대 아니고 몇개를 읽어보면 AI나 다른 딥러닝 개발자들과 이야기하기 쉬워지실 겁니다.