머신 러닝의 중요한 하위 집합이기 때문에 특히 AI의 무한한 가능성을 여는 데 관심이있는 사람들 사이에서 엄청난 상승세를 보였습니다.딥 러닝의 증가하는 인기에 영감을 받아 인공 지능 분야의이 새로운 트렌드에 대해 교육하고 그 모든 것이 무엇인지 이해하는 데 도움이되는 일련의 블로그를 만들려고했습니다. 이것은 시리즈의 많은 블로그 중 첫 번째입니다. 딥 러닝 튜토리얼 .
딥 러닝 튜토리얼
이 딥 러닝 튜토리얼 블로그에서는 다음 블로그에 대한 기본 사항이 될 다음 내용을 안내합니다.
- 딥 러닝이 존재하게 된 이유
- 딥 러닝이란 무엇이며 어떻게 작동합니까?
강사가이 개념을 더 잘 이해하는 데 도움이되는 예제와 함께 주제를 자세하게 설명한 딥 러닝 자습서의이 녹음을 살펴볼 수 있습니다.
자바에서 스캐너 클래스를 사용하는 방법
딥 러닝 튜토리얼 | 딥 러닝 신경망 | Edureka
인공 지능 및 딥 러닝의 응용
이제 이것에 대해 생각해보십시오. 모든 일을하는 대신 그것을 완성 할 기계가 있거나 전혀 불가능하다고 생각했던 것을 할 수 있습니다. 예를 들면 :
 | 미래 예측 : 지진, 쓰나미 등을 미리 예측하는 데 도움이되므로 많은 생명이 자연 재해의 손아귀에 빠지지 않도록 예방 조치를 취할 수 있습니다. |
| 챗봇 : 여러분 모두 Apple의 음성 제어 가상 비서 인 Siri에 대해 들어 보셨을 것입니다. 저를 믿으십시오. 딥 러닝의 도움으로 이러한 가상 지원은 날로 더 스마트 해지고 있습니다. 실제로 Siri는 사용자에 따라 적응하고 더 나은 개인화 된 지원을 제공 할 수 있습니다. |
| 자율 주행 차 : 혼자 운전하기가 어려운 신체 장애자와 노인들에게 얼마나 놀라운 일이 될지 상상해보십시오. 이 외에도 인적 오류로 인해 매년 교통 사고를당하는 수백만 명의 무고한 생명을 구할 것입니다. |
Google AI 안과 의사 : 이것은 최근 Google이 취한 이니셔티브로 인도 아이 케어 체인과 협력하여 망막 스캔을 검사하고 실명을 유발할 수있는 당뇨병 성 망막증이라는 상태를 식별 할 수있는 AI 소프트웨어를 개발하고 있습니다. |
| AI 음악 작곡가 : 딥 러닝을 사용하여 AI 음악 작곡가를 가질 수 있다고 누가 생각 했습니까? 따라서 차선의 음악이 기계에 의해 제공된다는 소식을 듣고도 놀라지 않을 것입니다. |
| 꿈의 독서 기계 : 이것은 제가 가장 좋아하는 것 중 하나입니다. 당신의 꿈을 비디오 같은 형태로 포착 할 수있는 기계입니다. 지금까지 우리가 본 AI 및 딥 러닝의 비현실적인 응용 프로그램이 너무 많아서 몇 년 전 일본에서 세 개의 테스트 대상에 대해 시도되었고 60 %에 가까운 정확도를 달성 할 수 있었다는 사실에 놀라지 않았습니다. 그것은 믿을 수없는 일이지만 사실입니다. |
AI 및 딥 러닝의 실제 응용 프로그램 중 일부가 당신에게 소름이 끼칠 것이라고 확신합니다. 자, 이것은 당신을위한 기반을 설정하고 이제 우리는이 딥 러닝 튜토리얼에서 더 진행하고 인공 지능이 무엇인지 이해할 준비가되었습니다.
인공 지능이란 무엇입니까?
인공 지능은 지능적인 인간 행동을 모방하는 기계의 능력 일뿐입니다. AI는 인간의 두뇌를 모방하고, 사고 방식을 이해하고, 문제를 해결하는 동안 학습, 결정, 작업 방식을 이해함으로써 달성됩니다.
예를 들면 : 체스를 두는 기계 또는 iPhone의 다양한 작업을 도와주는 음성 활성화 소프트웨어 또는 과속 자동차의 번호판을 캡처하고이를 처리하여 등록 번호를 추출하고 자동차 소유자를 식별하는 번호판 인식 시스템 . 이 모든 것이 이전에는 구현하기 쉽지 않았습니다. 딥 러닝 . 이제 인공 지능의 다양한 하위 집합을 이해하겠습니다.
인공 지능의 하위 집합
지금까지는 인공 지능, 기계 학습 및 딥 러닝에 대해 많이 들었을 것입니다. 그러나 세 가지 모두의 관계를 알고 있습니까? 기본적으로 딥 러닝은 기계 학습의 하위 분야이고 기계 학습은 아래 이미지와 같이 인공 지능의 하위 분야입니다.
우리가 뭔가를 볼 때 AlphaGo , 딥 러닝에서 큰 성공을 거둔 것으로 묘사되는 경우가 많지만 실제로는 여러 AI 및 머신 러닝 분야의 아이디어가 결합 된 것입니다. 사실, 심층 신경망에 대한 아이디어가 새로운 것이 아니라 1950 년대로 거슬러 올라간다는 사실에 놀랄 것입니다. 하지만 요즘 사용할 수있는 고급 리소스 기능 덕분에 실제 구현이 가능해졌습니다.
목록 정렬 C ++
따라서이 딥 러닝 튜토리얼 블로그에서 기계 학습과 그 한계에 대해 살펴 보겠습니다.
머신 러닝이란?
기계 학습은 컴퓨터에 명시 적으로 프로그래밍하지 않고도 학습 할 수있는 능력을 제공하는 인공 지능의 하위 집합입니다. 기계 학습에서는 다른 프로그래밍 응용 프로그램과 같이 모든 단계 또는 조건을 명시 적으로 정의 할 필요가 없습니다. 반대로 머신은 모델을 생성 할 수있을만큼 충분히 큰 훈련 데이터 세트에서 훈련을받으며, 이는 머신이 학습을 기반으로 결정을 내리는 데 도움이됩니다.
예를 들면 : 기계 학습을 사용하여 꽃잎과 꽃받침 길이 (꽃잎)를 기준으로 꽃의 종류를 결정하려고합니다. 그럼 어떻게할까요?
| 위의 이미지에서 볼 수 있듯이 다양한 꽃의 다양한 특성과 각각의 종을 포함하는 꽃 데이터 세트를 기계에 공급합니다. 이 입력 데이터 세트를 사용하여 기계는 꽃을 여러 범주로 분류하는 데 사용할 수있는 모델을 만들고 훈련시킵니다. |
| 모델이 학습되면 일련의 특성을 모델에 대한 입력으로 전달합니다. |
| 마지막으로, 우리 모델은 새로운 입력 데이터 세트에있는 꽃의 종을 출력합니다. 모델을 생성하고이를 의사 결정에 사용하기 위해 기계를 훈련시키는이 프로세스를 기계 학습 . 그러나이 프로세스에는 몇 가지 제한 사항이 있습니다. |
기계 학습의 한계
머신 러닝은 입력 및 출력이 상당히 큰 고차원 데이터를 처리 할 수 없습니다. 이러한 유형의 데이터를 처리하고 처리하는 것은 매우 복잡하고 리소스가 많이 소모됩니다. 이것은 다음과 같이 불립니다. 차원의 저주 . 이를보다 간단한 용어로 이해하기 위해 다음 이미지를 살펴 보겠습니다.
| 100 야드 라인을 고려하면 라인 어딘가에 동전을 떨어 뜨 렸습니다. 이제는 단순히 줄을 걸어서 동전을 찾는 것이 매우 편리합니다. 바로이 선은 단일 차원 개체입니다. |
| 다음으로, 위의 이미지에 표시된 것처럼 각각 100 야드의 정사각형이 있다고 가정하고 다시 그 사이 어딘가에 동전을 떨어 뜨 렸습니다. 이제 이전 시나리오에 비해 해당 사각형 내에서 동전을 찾는 데 더 많은 시간이 소요될 것임이 분명합니다. 이 정사각형은 2 차원 개체입니다. |
| 각면이 100 야드 인 큐브를 고려하여 한 걸음 앞서 나가고 그 사이 어딘가에 동전을 떨어 뜨 렸습니다. 이제 이번에는 코인을 찾기가 훨씬 더 어렵습니다. 이 큐브는 3 차원 개체입니다. |
따라서 차원이 증가함에 따라 복잡성이 증가하는 것을 관찰 할 수 있습니다.실생활에서 우리가 이야기 한 고차원 데이터에는 수천 개의 차원이있어 처리 및 처리가 매우 복잡합니다. 고차원 데이터는 이미지 처리, NLP, 이미지 번역 등과 같은 사용 사례에서 쉽게 찾을 수 있습니다.
머신 러닝은 이러한 사용 사례를 해결할 수 없었기 때문에 딥 러닝이 구출되었습니다. 딥 러닝은 고차원 데이터를 처리 할 수 있으며 자체적으로 올바른 기능에 집중하는 데에도 효율적입니다. 이 프로세스를 특징 추출이라고합니다. 이제이 딥 러닝 튜토리얼을 진행하고 딥 러닝이 어떻게 작동하는지 이해하겠습니다.
딥 러닝은 어떻게 작동합니까?
인간의 뇌를 재 설계하기 위해 딥 러닝은 뇌 세포 또는 뉴런이라고하는 뇌의 기본 단위를 연구합니다. 뉴런에서 영감을 받아 인공 뉴런 또는 퍼셉트론이 개발되었습니다. 이제 생물학적 뉴런의 기능과 퍼셉트론 또는 인공 뉴런에서이 기능을 모방하는 방법을 이해하겠습니다.
생물학적 뉴런의 구조에 초점을 맞추면 입력을받는 데 사용되는 수상 돌기가 있습니다. 이러한 입력은 세포체에서 합산되고 Axon을 사용하여 위의 이미지와 같이 다음 생물학적 뉴런으로 전달됩니다.
마찬가지로 퍼셉트론은 여러 입력을 받고 다양한 변환과 함수를 적용하고 출력을 제공합니다.
우리의 뇌는 신경망이라고하는 여러 개의 연결된 뉴런으로 구성되어 있다는 것을 알기 때문에 퍼셉트론이라고하는 인공 뉴런의 네트워크를 통해 심층 신경망을 형성 할 수도 있습니다. 따라서이 딥 러닝 튜토리얼에서 딥 뉴럴 네트워크가 어떻게 생겼는지 이해하도록하겠습니다.
딥 러닝 튜토리얼 : 딥 러닝이란?
- 모든 심층 신경망은 세 가지 유형의 계층으로 구성됩니다.
- 입력 계층
- 숨겨진 레이어
- 출력 레이어
| 위의 다이어그램에서 첫 번째 레이어는 모든 입력을받는 입력 레이어이고 마지막 레이어는 원하는 출력을 제공하는 출력 레이어입니다. |
| 이러한 레이어 사이에있는 모든 레이어를 숨겨진 레이어라고합니다. 요즘 사용 가능한 고급 리소스 덕분에 n 개의 숨겨진 레이어가있을 수 있습니다. |
| 숨겨진 레이어의 수와 각 레이어의 퍼셉트론의 수는 해결하려는 사용 사례에 따라 전적으로 달라집니다. |
이제 심층 신경망의 사진을 얻었으므로 심층 신경망이 이미지 인식 문제를 해결하는 방법에 대한 높은 수준의 시각을 얻기 위해이 심층 학습 자습서를 진행하겠습니다.
tableau 자습서 단계별
딥 러닝 사용 – 사례
심층 네트워크를 사용하여 이미지 인식을 수행하려고합니다.
| 여기서는 고차원 데이터를 입력 레이어로 전달합니다. 입력 데이터의 차원을 일치시키기 위해 입력 레이어에는 퍼셉트론의 여러 하위 레이어가 포함되어 전체 입력을 소비 할 수 있습니다. |
| 입력 레이어에서 수신 된 출력에는 패턴이 포함되며 대비 수준을 기반으로 이미지의 가장자리 만 식별 할 수 있습니다. |
| 이 출력은 눈, 코, 귀 등과 같은 다양한 얼굴 특징을 식별 할 수있는 히든 레이어 1로 공급됩니다. |
| 이제 이것은 전체면을 형성 할 수있는 숨겨진 레이어 2에 공급됩니다. 그런 다음 레이어 2의 출력이 출력 레이어로 전송됩니다. |
| 마지막으로 출력 계층은 이전에서 얻은 결과를 기반으로 분류를 수행하고 이름을 예측합니다. |
질문을하겠습니다. 이러한 계층 중 하나라도 누락되거나 신경망이 충분히 깊지 않으면 어떻게됩니까? 간단합니다. 이미지를 정확하게 식별 할 수 없습니다. 이것이 바로 이러한 사용 사례가 딥 러닝 이전에 몇 년 동안 솔루션을 갖지 못한 이유입니다. 더 나아가 MNIST 데이터 세트에 심층 네트워크를 적용하려고합니다.
Mnist 데이터 세트는 60,000 개의 학습 샘플과 10,000 개의 필기 숫자 이미지 테스트 샘플로 구성됩니다. 여기서 작업은 이미지에있는 숫자를 정확하게 식별 할 수있는 모델을 훈련하는 것입니다.
- 이 사용 사례를 해결하기 위해 60,000 개의 이미지를 픽셀 단위로 처리하기 위해 여러 개의 숨겨진 레이어가있는 딥 네트워크가 생성되고 마지막으로 출력 레이어가 수신됩니다.
- 출력 레이어는 인덱스 0에서 9까지의 배열이며, 각 인덱스는 해당 숫자에 해당합니다. 인덱스 0은 0이 입력 이미지에있는 숫자 일 확률을 포함합니다.
마찬가지로 값이 0.1 인 인덱스 2는 실제로 2가 입력 이미지에있는 숫자 일 확률을 나타냅니다. 따라서이 배열에서 가장 높은 확률은 배열의 인덱스 7에있는 0.8입니다. 따라서 이미지에있는 숫자는 7입니다.
결론
그래서 여러분, 이것은 간단히 말해서 딥 러닝에 관한 것입니다. 이 딥 러닝 튜토리얼에서 우리는 딥 러닝의 다양한 애플리케이션을보고 AI 및 머신 러닝과의 관계를 이해했습니다. 그런 다음 복잡한 작업을 수행 할 수있는 심층 신경망을 만들기 위해 퍼셉트론 또는 인공 뉴런 기본 구성 요소를 사용하는 방법을 이해했습니다. 마침내 우리는 심층 신경망을 사용하여 이미지 인식을 수행하고 장면 뒤에서 일어나는 모든 단계를 이해하는 심층 학습의 사용 사례 중 하나를 살펴 보았습니다. 이제이 딥 러닝 튜토리얼 시리즈의 다음 블로그에서 딥 러닝을위한 Python 기반 라이브러리 인 TensorFlow를 사용하여 퍼셉트론을 구현하는 방법을 배웁니다.
이제 딥 러닝에 대해 알았으니 전 세계에 250,000 명 이상의 만족 한 학습자 네트워크를 보유한 신뢰할 수있는 온라인 학습 회사 인 Edureka에서 작성했습니다. TensorFlow를 사용한 Edureka Deep Learning 교육 과정은 학습자가 SoftMax 기능, 자동 인코더 신경망, RBM (Restricted Boltzmann Machine)과 같은 개념과 함께 실시간 프로젝트 및 할당을 사용하여 기본 및 컨볼 루션 신경망을 교육하고 최적화하는 전문가가 될 수 있도록 도와줍니다.
질문이 있으십니까? 의견란에 언급 해 주시면 연락 드리겠습니다.