Warm-up

발표 준비…

Content

• 발표: 알고리즘(분류/회귀/비지도)과 코드(모듈 19 & 36)
• 예제: [모듈 19] 대출 승인 예측
• DL (Deep Learning)

Wrap-up

지난 시간에 지도 학습, 비지도 학습, 강화 학습으로 구분되는 머신 러닝의 분류에 대해 학습하였다.

과제로는 머신 러닝의 알고리즘 관련하여, 분류 & 회귀 & 딥러닝에 대해 조별로 알고리즘을 조사하고, 이를 예제 코드에 적용하여 모델을 생성해보고, 이에 대해 오늘 오전에 발표하였다.

조별 발표한 예제를 답안 코드로 빠르게 훑어보며, 데이터 타입에 따른 결측치 처리의 차이, 자동 인코딩 라이브러리인 LabelEncoding, 종속변수의 편향성 유지, 차원 축소, 가상 환경에 대해 다루었다.

특히, 가상 환경의 생성 및 공유와 관련하여, vs code 내의 터미널을 이용하는 방법과 아나콘다 프롬프트를 이용하는 방법을 둘 다 다루어보았으며, 그 과정에서 터미널과 커널의 차이점을 개인적으로 탐구해보았다.

오후에는 딥러닝의 원리에 대해서 깊은 탐구를 하였으며, DNN, MLP 등의 다른 이름과 CPU & GPU의 성능과 병렬 계산의 차이, PyTorch로 귀결되고 있는 프레임워크의 타임라인, 비선형성을 부여하는 활성화 함수, 최적 가중치를 찾는 여러 가지 방법 중 AdamOptimizer, 순전파/역전파, 손실 함수에 대해 학습하였다.