Introduction of 10 min Deep Learning (KOR)

1. 10-MIN
DEEP-LEARNING
10분 동안 십분(十分) 즐기는 딥러닝

2. 10-MIN
DEEP-LEARNING INTRODUCTION
WHAT 인공지능, 머신러닝, 딥러닝의 이론과 실제
WHY 지식 정리, 딥러닝 관련 콘텐츠 활성화
WHO 딥러닝에 관심이 있는 누구나
HOW 매주 1회 10분 동영상 업로드

3. 10-MIN
DEEP-LEARNING INTRODUCTION
인공지능? 머신러닝? 딥러닝 ?
인공지능(Artificial Intelligence): 특정 분야를 지칭하는 것이 아닌, 지능적 요소가 포함된 기술을 총칭
머신러닝(Machine Learning): ‘데이터’에서 ‘모델’을 스스로 찾아내는 기법
딥러닝(Deep Learning)
:심층 신경망을 이용한 머신러닝 기법
참고: www. euclidean.com

4. 10-MIN
DEEP-LEARNING INTRODUCTION
머신러닝의 분류
지도학습(Supervised Learning)
비지도학습(Unsupervised Learning)
강화학습(Reinforcement Learning)
데이터와 그에 대응되는 예측결과 값(Label)을 투입하여 서로 간의 관계를 학습하고, 해당 데이터와 일치
또는 유사한 데이터가 입력되었을때, 학습시킨 관계에 따른 결과 값을 내도록 하는 것.
결과 값이 없는 데이터들을 입력하여 각각의 데이터들에 내재된 속성을 기반으로 분류 등의 학습을 하고, 새로운
데이터가 입력되었을때 해당 데이터의 내제된 속성에 따라 학습된 결과를 도출하는 것.
에이전트(agent)가 특정 상태에 대한 반응으로서의 행동(action)를 내보내면, 이에 따른 보상(reward) 또는
벌칙(penalty)을 주어 달성하고자 하는 목표 결과(action)을 내보내도록 학습하는 것.
SUPERVISED LEARNING UNSUPERVISED LEARNING REINFORCEMENT LEARNING
Data
OUTPUT
INPUT
Label
MODEL
입력된 레이블(Label)과
결과값(Output)의 차이를 최소화
Data
OUTPUT
INPUT
MODEL
데이터의 내제된 특성(Feature)의
유사성, 관련성을 바탕으로 학습
Agent
Environment
ACTION
STATE / REWARD
에이전트와 환경 간의 주고 받음(action//state, reward)
을 통해 조성[Shaping]하는 것

5. 10-MIN
DEEP-LEARNING INTRODUCTION
신경망; 지식은 흐른다Neural Network
Dendrite
Cell body
Node of Ranvier
Axon Terminal
Schwann cell
Myelin sheath
Axon
Nucleus
- https://commons.wikimedia.org/wiki/File:Neuron.svg
자극이 주어짐
(역치 이상) 밖의 나트륨 흡수
나트륨이 말단까지 흡수/확산
말단에서 화학물질 생성
다른 뉴런의 나트륨 흡수를 도움
결국, 신경은 나트륨의 확산일 뿐이고
인지 및 기억은 각 뉴런들의 연결 형태
수상 돌기
축삭 돌기
미엘린 수초
시반 세포
신경 세포체
핵
랑비에 결절
축색 종말

6. 10-MIN
DEEP-LEARNING INTRODUCTION
신경망; 지식은 흐른다Neural Network
Stimulus
Na+
Na+
Na+
Na+
Na+
전자의 위치에너지 차이(전위 차)에 의해 나트륨 이온이
이동하여 시냅스에서의 화학물질 전달을 촉진[신호전달]
시냅스이온에 의한 전기적 신호가 강할수록
시냅스에서의 화학적 작용이 활성화 Synapse
Na+
Na+
Na+
Na+ Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+ Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na+
Na
Na+ Na+
Na+
Na+
Na+
Na+
뉴런 내부
Inside of Neuron
자극

7. 10-MIN
DEEP-LEARNING INTRODUCTION
신경망과 인공신경망
Neural Network and Artificial Neural Network
자극이 주어짐신경망 일정 수준 이상 (역치)에 도달 화학물질을 통해 다음 뉴런을 활성화
데이터가 주어짐인공신경망 가중치를 곱함 / 활성화 함수 다음 계층에게 연산된 데이터를 전달
WHY? 1. 이전 뉴런에서 신호를 받아도 시냅스 구조가 달라 활성화 정도의 차이가 발생.
2. 전(全) 연결구조를 이용한 행렬 연산을 통해 효율적인 연산 수행 가능.