딥러닝 소개

Python으로 시작하는 Deep Learning

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

은행에서 일한다고 가정합시다

내년에 고객별 거래 횟수를 예측해야 합니다

선형 회귀가 보는 예시

ch1_1.003.png

선형 회귀가 보는 예시

ch1_1.004.png

선형 회귀가 보는 예시

ch1_1.005.png

선형 회귀가 보는 예시

ch1_1.006.png

선형 회귀가 보는 예시

ch1_1.007.png

선형 회귀가 보는 예시

ch1_1.008.png

선형 회귀가 보는 예시

ch1_1.009.png

선형 회귀가 보는 예시

ch1_1.011.png

선형 회귀가 보는 예시

ch1_1.012.png

선형 회귀가 보는 예시

ch1_1.013.png

선형 회귀가 보는 예시

ch1_1.014.png

선형 회귀가 보는 예시

ch1_1.015.png

선형 회귀가 보는 예시

ch1_1.016.png

선형 회귀가 보는 예시

ch1_1.017.png

상호작용

신경망은 상호작용을 잘 포착합니다
딥러닝은 더 강력한 신경망을 사용합니다
- 텍스트
- 이미지
- 비디오
- 오디오
- 소스 코드

코스 구성

1~2장은 개념에 집중합니다
- 전통적 예측 문제에서 딥러닝 모델을 디버그·튜닝
- 최신 응용으로 나아갈 기초 마련
이는 3~4장에서 성과로 이어집니다

Keras로 딥러닝 모델 구축·튜닝

import numpy as np
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
predictors = np.loadtxt('predictors_data.csv', delimiter=',')
n_cols = predictors.shape[1]
model = Sequential()

model.add(Dense(100, activation='relu', input_shape = (n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))