인형을 위한 신경망: 종합 가이드

우리의 뇌는 놀라운 패턴 인식 기계입니다. 외부 세계의 '입력'을 처리하고 범주화한 다음(저건 개, 저건 피자 한 조각, 우, 저게 나를 향해 오고 있는 버스입니다!) 그런 다음 '출력'(개 쓰다듬기, 맛있는 맛)을 생성합니다. 그 피자, 버스의 방해에서 벗어나기!).
이 모든 것은 거의 충동적으로 의식적인 노력이 거의 없이 이루어집니다. 누군가가 우리에게 화를 내거나 우리가 속도를 내면서 정지 신호를 무의식적으로 알아차리는 것을 감지하는 바로 그 시스템입니다. 심리학자들은 이러한 사고 방식을 '시스템 1'이라고 부르며 여기에는 우리가 다른 동물과 공유하는 지각 및 두려움과 같은 타고난 기술이 포함됩니다. ('System 2'도 있습니다. 이에 대한 자세한 내용은 Daniel Kahneman의 매우 유익한 생각, 빠르고 느린 것을 확인하십시오 ).
이 모든 것이 신경망 과 어떤 관련이 있습니까? 잠시 후 도착하겠습니다.

신경망 학습을 더 잘 설명하는 데 도움이 되도록 왜곡된 위의 이미지를 일반 숫자로 보세요 . 얼핏 보기만 해도 "192"라는 단어가 떠오를 것입니다.
"아, 직선 같은데, 1인 것 같다"는 말은 안 하셨을 겁니다. 당신은 그것을 계산하지 않았습니다 – 그것은 즉시 일어났습니다.
매력적이죠?
여기에는 매우 간단한 이유가 있습니다. 당신은 인생에서 숫자를 너무 많이 보았기 때문에 시행착오를 거치면서 멀리 떨어진 무언가와 함께 제시하면 뇌가 자동으로 숫자를 인식합니다.
데이터 과학, 기계 학습 및 빅 데이터의 차이점은 무엇입니까?

추격으로 넘어가자.

신경망 이란 정확히 무엇입니까 ? 어떻게 작동합니까?

정의에 따르면, 신경망은 인간 두뇌의 뉴런이 작동한 후 패턴화된 하드웨어 또는 소프트웨어 시스템입니다. 기본적으로 컴퓨터가 인간처럼 생각하고 학습하도록 도와줍니다. 예를 들면 다음과 같이 명확해집니다.
어린 시절 뜨거운 머그잔을 만졌을 때 화상을 입으면 다시는 뜨거운 머그잔을 만지지 않도록 했습니다. 그러나 우리가 그것을 만지기 전에 우리의 양심에 그러한 상처의 개념이 있었습니까? 설마.
우리 주변 세계에 대한 지식과 이해의 이러한 조정은 패턴 인식을 기반으로 합니다. 그리고 우리와 마찬가지로 컴퓨터도 같은 유형의 패턴 인식을 통해 학습합니다. 이 학습은 신경망 작동의 전체 기초를 형성합니다 .
전통적인 컴퓨터 프로그램은 논리 트리에서 작동합니다. A가 발생하면 B가 발생합니다. 각 시스템에 대한 모든 잠재적인 결과는 미리 프로그래밍할 수 있습니다. 그러나 이것은 유연성의 범위를 제거합니다. 거기에는 배움이 없습니다.
그리고 바로 여기에서 신경망 이 등장합니다! 신경망 은 특별한 논리 없이 구축됩니다. 기본적으로 데이터 내에서 패턴을 찾고 적응하도록 훈련된 시스템입니다. 그것은 우리 자신의 두뇌가 작동하는 방식을 정확히 모델로 합니다. 각 뉴런(관념)은 시냅스를 통해 연결됩니다. 각 시냅스에는 두 뉴런 간의 연결이 발생할 확률 또는 가능성을 나타내는 값이 있습니다. 아래 이미지를 살펴보십시오.

뉴런이란 정확히 무엇입니까?
간단히 말해서, 뉴런은 단지 하나의 개념일 뿐입니다. 머그, 색상 흰색, 차 - 뜨거운 머그를 만지면 타는듯한 느낌, 기본적으로 무엇이든. 이들 모두는 가능한 뉴런입니다. 모두 연결될 수 있으며 연결의 강도는 시냅스의 가치에 따라 결정됩니다. 값이 높을수록 연결 상태가 좋습니다. 더 잘 이해할 수 있도록 기본적인 신경망 연결 하나를 살펴보겠습니다 .

각 뉴런은 노드이고 이들을 연결하는 선은 시냅스입니다. 시냅스 값은 한 뉴런이 다른 뉴런과 나란히 발견될 가능성을 나타냅니다. 따라서 위의 이미지에 표시된 다이어그램은 흰색이고 매우 뜨거운 커피가 담긴 머그를 설명하고 있음이 매우 분명합니다.
자연어 생성: 알아야 할 주요 사항

모든 머그에는 문제의 머그와 같은 속성이 없습니다. 우리는 머그에 다른 많은 뉴런을 연결할 수 있습니다. 예를 들어, 차는 커피보다 더 일반적입니다. 두 뉴런이 연결될 가능성은 뉴런을 연결하는 시냅스의 강도에 의해 결정됩니다. 뜨거운 머그의 수가 많을수록 시냅스가 더 강해집니다.
그러나 머그가 뜨거운 음료를 담는 데 사용되지 않는 세상에서는 뜨거운 머그의 수가 급격히 줄어들 것입니다. 덧붙여서, 이러한 감소는 또한 머그를 열에 연결하는 시냅스의 강도를 낮추는 결과를 초래할 것입니다.
그래서,

된다

머그에 대한 이 작고 겉보기에 중요하지 않은 설명은 신경망 의 핵심 구성을 나타냅니다 .
우리는 테이블 위에 놓인 머그잔을 만지는데 그것이 뜨겁다는 것을 알게 됩니다. 모든 머그잔이 뜨겁다고 생각하게 만듭니다. 그런 다음 우리는 또 다른 머그를 만집니다. 이번에는 선반에 보관된 머그입니다. 전혀 뜨겁지 않습니다. 우리는 선반에 있는 머그가 뜨겁지 않다는 결론을 내렸습니다. 우리는 성장함에 따라 진화합니다.
우리의 뇌는 그동안 데이터를 받아왔습니다. 이 데이터는 우리가 만지려고 하는 머그가 뜨거울지 여부에 대한 정확한 확률을 결정합니다. 신경망 은 똑같은 방식으로 학습합니다.
이제 신경망 의 첫 번째이자 가장 기본적인 모델인 퍼셉트론(Perceptron)에 대해 조금 이야기해 보겠습니다!

퍼셉트론이란?

퍼셉트론은 신경망의 가장 기본적인 모델입니다. 여러 이진 입력(x1, x2, ...)을 사용하고 단일 이진 출력을 생성합니다.

유추의 도움으로 위의 신경망 을 더 잘 이해합시다 .
걸어서 출근한다고 합니다. 출근을 결정하는 것은 크게 날씨와 평일인지 여부의 두 가지 요소를 기반으로 합니다. 날씨 요인은 여전히 ​​​​관리할 수 있지만 주말에 일하는 것은 큰 문제가 아닙니다! 이진 입력으로 작업해야 하므로 예 또는 아니오 질문으로 조건을 제안해 보겠습니다. 날씨가 좋은가요? 1은 예, 0은 아니오입니다. 평일인가요? 1 예, 0 아니요.
자연어 이해를 위한 초보자 가이드

이러한 조건 을 신경망 에 명시적으로 말할 수는 없습니다 . 스스로 배워야 할 것입니다. 결정을 내리는 동안 이러한 요소의 우선 순위를 어떻게 결정합니까? "가중치"로 알려진 것을 사용하여. 가중치는 선호도를 숫자로 나타낸 것일 뿐입니다. 가중치가 높을수록 신경망 은 해당 입력을 다른 것보다 더 높은 우선 순위로 고려합니다. 이것은 위의 순서도에서 w1, w2…로 표시됩니다.
"좋아, 이것은 모두 매우 매력적이지만 신경망 은 실용적인 시나리오에서 어디에서 작업을 찾을 수 있습니까?"

신경망 의 실제 응용

아직 이해하지 못했다면 여기 있습니다 . 충분한 데이터와 올바른 매개변수를 얻을 수 있는 효율적인 기계만 있다면 신경망 은 거의 모든 것을 할 수 있습니다. 원격으로 머신 러닝이 필요한 모든 것은 신경망 에 도움을 요청합니다. 딥 러닝은 신경망을 광범위하게 사용하는 또 다른 영역입니다. 컴퓨터가 분류, 클러스터링 또는 예측과 같은 과도한 작업을 수행할 수 있도록 하는 많은 기계 학습 알고리즘 중 하나입니다.

• 신경망 의 도움으로 우리는 전통적인 알고리즘 방법이 비싸거나 존재하지 않는 문제의 해결책을 찾을 수 있습니다.
• 신경망 은 예제를 통해 학습할 수 있으므로 크게 프로그래밍할 필요가 없습니다.
• 신경망 은 정확하고 기존 속도보다 훨씬 빠릅니다.

위에서 언급한 이유와 그 이상으로 인해 딥 러닝은 신경망 을 사용하여 다음 영역에서 광범위하게 사용됩니다.

• 음성 인식: Amazon Echo Dot 의 예를 들어 보십시오. 음식을 주문하고, 뉴스 및 날씨 업데이트를 받거나, 단순히 말만 하면 온라인에서 물건을 구매할 수 있는 마법의 스피커입니다.
• 필기 인식: 신경망은 누군가의 필기 패턴을 이해하도록 훈련될 수 있습니다. 필기 인식을 사용하여 낙서를 의미 있는 텍스트로 매끄럽게 변환하는 Google의 필기 입력 응용 프로그램 을 살펴보십시오 .
• 얼굴 인식: 휴대전화의 보안 개선(Face ID)에서 멋진 Snapchat 필터 에 이르기까지 얼굴 인식은 어디에나 있습니다. Facebook에 사진을 업로드하고 사진에 있는 사람들을 태그하라는 요청을 받은 적이 있다면 얼굴 인식이 무엇인지 알 것입니다!
• 게임에 인공 지능 제공: 컴퓨터와 체스를 해본 적이 있다면 인공 지능이 게임 및 게임 개발에 어떤 영향을 미치는지 이미 알고 있습니다. 플레이어가 AI를 사용하여 전술을 개선하고 전략을 직접 시도하는 정도입니다 .

결론적으로…
신경망 은 오늘날 볼 수 있는 거의 모든 대형 기술이나 발명의 중추를 형성합니다. 신경망 없이 딥/머신 러닝을 상상 하는 것은 거의 불가능에 가깝습니다. 네트워크를 구현하는 방법과 사용하는 학습 유형에 따라 기존 컴퓨터 시스템과 비교하여 신경망 에서 많은 것을 얻을 수 있습니다 .

세계 최고의 대학에서 ML 과정을 배우십시오. 석사, 이그 제 큐 티브 PGP 또는 고급 인증 프로그램을 획득하여 경력을 빠르게 추적하십시오.