선형대수는 벡터와 행렬을 이용한 수학 분야입니다. 여기서 벡터는 크기와 방향이 있는 양을 나타내는 것이고, 행렬은 숫자들이 직사각형 모양으로 배열된 것입니다.

예를 들어, 2차원 평면상의 벡터는 크기와 방향을 가진 화살표로 표현할 수 있습니다. 이때, 화살표의 길이는 벡터의 크기를 나타내고, 방향은 벡터의 방향을 나타냅니다.

행렬은 숫자들이 직사각형 모양으로 배열된 것으로, 예를 들어 3행 2열의 행렬은 다음과 같이 생겼습니다.

sharpCopy code
[1 2]
[3 4]
[5 6]

이때, 첫 번째 행렬의 첫 번째 열은 1, 3, 5이고, 두 번째 열은 2, 4, 6입니다.

선형대수에서는 벡터와 행렬 간에 연산이 가능합니다. 예를 들어, 두 벡터를 더하거나 뺄 수 있습니다. 이때, 더하거나 뺀 벡터는 두 벡터의 크기와 방향을 합친 것이 됩니다. 또한, 행렬과 벡터의 곱을 통해 새로운 벡터를 만들거나, 행렬과 행렬의 곱을 통해 새로운 행렬을 만들 수 있습니다.

선형대수에서는 역행렬이라는 개념도 사용됩니다. 역행렬은 주어진 행렬과 곱하면 항등행렬이 되는 행렬을 말합니다. 이를 이용하면 선형 연립 방정식을 풀 수 있습니다.

이러한 개념들을 이용하여, 데이터를 분석하거나 머신러닝 모델을 만들 수 있습니다. 따라서, 선형대수는 데이터 분석 분야에서 중요한 개념 중 하나입니다.

딥러닝 공부를 시작하려면 여러 가지 주제와 기술을 차근차근 이해해야 합니다. 다음과 같은 순서로 공부해보시길 추천합니다.

1. 기본 수학 지식 쌓기: 딥러닝을 이해하려면 선형 대수학, 미적분학, 확률 및 통계 등의 기본 수학 지식이 필요합니다. 이러한 수학 지식은 딥러닝 알고리즘의 원리를 이해하고 구현하는 데 도움이 됩니다.
2. 프로그래밍 언어 익히기: 딥러닝 모델을 구현하려면 프로그래밍 언어를 익혀야 합니다. Python은 딥러닝 분야에서 가장 널리 사용되는 언어입니다. Python의 기본 문법과 데이터 처리, 함수, 클래스 등을 익히세요.
3. 기계 학습 개론: 딥러닝은 기계 학습의 한 분야입니다. 지도 학습, 비지도 학습, 강화 학습 등 기계 학습의 주요 개념과 알고리즘에 대해 학습하세요.
4. 딥러닝 개론: 딥러닝의 기본 개념과 원리, 다양한 인공 신경망의 구조와 작동 원리를 이해하세요. 주요 개념으로는 인공 신경망, 역전파 알고리즘, 손실 함수, 최적화 방법 등이 있습니다.
5. 딥러닝 프레임워크 익히기: TensorFlow, PyTorch, Keras 등의 딥러닝 프레임워크를 익혀 모델 구현 및 훈련에 익숙해지세요. 이러한 프레임워크는 딥러닝 모델을 쉽게 구축하고 효율적으로 학습할 수 있도록 도와줍니다.
6. 다양한 딥러닝 아키텍처 학습: 딥러닝 분야에서 널리 사용되는 다양한 아키텍처를 공부하세요. CNN(Convolutional Neural Networks), RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory), GAN(Generative Adversarial Networks) 등의 주요 아키텍처를 이해하고 사용해 보세요.
7. 실습 프로젝트 수행: 이론을 배운 후에는 실제 문제를 해결하는 프로젝트를 진행해보세요. 이미지 분류, 자연어 처리, 음성 인식 등 다양한 분야에서 딥러닝 모델을 적용해보며, 실력을 향상시키세요. 실제 데이터셋을 사용하고 프로젝트를 완성하면서 모델 튜닝, 최적화 기법, 과적합 방지 등의 딥러닝 기술을 익히게 됩니다.
8. 논문 리뷰: 최신 딥러닝 연구와 기술을 이해하려면 학술 논문을 읽어보세요. 논문을 읽으면서 연구자들이 어떤 문제를 해결하려고 하는지, 어떤 방법을 사용했는지, 그리고 어떤 결과를 얻었는지를 이해하려고 노력하세요. 이 과정에서 새로운 아이디어와 기술을 얻을 수 있습니다.
9. 커뮤니티 참여: 딥러닝 공부를 하면서 다양한 온라인 커뮤니티에 참여하세요. GitHub, Stack Overflow, Reddit 등에서 다른 사람들의 질문에 답변하거나 질문을 올려보세요. 또한, 관련 세미나나 워크숍, 학회 등에 참석하여 전문가들의 강연을 듣고 네트워킹을 통해 지식과 경험을 공유하세요.
10. 지속적인 학습: 딥러닝은 빠르게 발전하는 분야입니다. 새로운 기술과 알고리즘, 아키텍처 등이 계속해서 등장하므로, 항상 최신 동향을 파악하고 공부를 지속적으로 해야 합니다. 관련 온라인 강좌, 블로그, 유튜브 채널, 팟캐스트 등 다양한 자료를 활용하여 지식을 업데이트하세요.

딥러닝을 공부하는 과정에서는 인내와 끈기가 필요합니다. 위의 단계를 차근차근 따라가면서 꾸준히 노력하면, 결국 딥러닝 전문가로 성장할 수 있습니다.

화이팅입니다.

딥러닝을 공부하면 할수록 더욱 머리속이 아파지고 있네요.. 

점점 공부는 하는데? 뭔가 더 헷갈려요..

일단 Deep learning 제대로 정리하기 책을 읽고 있습니다. 

아울러

파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문

 웹 크롤링과 스크레이핑부터 머신러닝·딥러닝까지 체계적으로 배우기

머신러닝, 딥러닝 실전 개발 입문 책도 함께 보고 있어요. 

먼저 구조부터 확인할게요. 

가장 큰 분류

계층형 신경망(Hierarchical neural network:[HNN]) / 자기부호화(autoencoder: [AE]) / 제약 볼츠만 머신(restricted Boltzmann machine: [RBM]) 

먼저 공부하고 있는 순으로 계속해서 정리하도록 하겠습니다. 

#평균제곱오차알고리즘(python) 

def mean_squared_error(y, t):
	return 0.5 * np.sum((y-2)**2)

#교차엔트로피오차알고리즘(python)

def cross_entropy_error(y, t):
	delta = 1e-7
    return -np.sum(t * np.log(y + delta))

#수치미분(numerical differentiation)

def numerical_diff(f, x):
	h = 1e-4 #0.0001
    return (f(x+h) - f(x-h)) / (2*h)

## '해석적 미분'은 우리가 수학시간에 배운 미분이고, '수치미분'은 이를 '근사치'로 계산하는 방법임