30일차 TIL 특강, 머신러닝 3주차 강의, django 타임어택!

오늘 한 일 

1. TIL 특강

2. 머신러닝 3주차 강의 정리

3. django 타임어택

 

1.TIL 특강

사실 요새 TIL를 쓸때 고민좀 많이들었던 부분이 있었다. 내가TIL잘쓰고 있는게 맞나...?라는생각이 들었기 때문인데 아무래도 요새 머신러닝의 개념이라든지 django프로젝트의 기본적인 틀에 대한 연습만 하고있어서 TIL에 쓰긴쓰지만 부족한점이 많다는 생각이 들었었는데 오늘 강의로서 생각이 바뀌었다.

 

오늘 들은내용들을 정리하자면 진심을 다해서 쓰고 내가 성장하는 스토리를 확실하게 보여주는것이 다른사람들이 봤을때 성장 가능성을 높게 봐줄수 있다는 생각이 들었다. 

어떤문제가 있는지, 내가 뭘 몰랐는지, 어떻게 해결을 했는지,  뭘알았는지

이 4가지를 중심적으로 적고 정 쓸게 없다면 내가 오늘 이걸알았는데~ 이거 어떻게 쓰이더라 라는 내가 이 부분에 관심이 들어간 문구라도 적어주는게 좋고 내걸로 흡수하는능력을 보여줘야한다는것을 알았다. 

 

2. 머신러닝 3주차 강의 

 

오늘은 오랜만에 머신러닝 강의진도를 나갔다. 

Machine learning (notion.so) 내가 한 부분에 대한 정리는 notion 페이지에다가 정리를 해놨다.

 

아직은 개념을 잡고 있고 이해안되는 부분이 있어서 완전히 정리는 다 하지 못했다(배우는중~)

배우는 과정에서 궁금한게  있었는데 은닉충이 왜 많으면 정확성이 올라가냐에 대한 궁금증이 생겨서 인터넷을 찾아보게 되었다. 

 

딥러닝이라는 것 자체가 은닉층이 2개이상으로 이루어진 머신러닝인데 이거를 막 늘리고 넓이는 크게할 필요가 있을까??라는 궁금증이 생겨서 찾아보게되었다. 

근데 인터넷에 찾아보니 내가 생각하는 고민과는 딴판이지만 새로운것을 알게 된것이 스파르타강의 뒷부분에 과적합에 대한 얘기가 나오는데 이부분과 관련이 있따는 것을 알게되었다.

 

은닉층이 많으면 많을수록 시간이 좀 많이 걸리더래도 정확도가 올라가고 성능이 더 좋아진다라고 나와있는데 요즘에는 그부분이 틀리다는 이론이 나오고 있다는 것이다. 바로 역전파 알고리즘의 한계점이라는 것 때문에 은닉층이 너무 많아지면 성능이 좋아지다가 급격하게 떨어지는 현상이 벌어진다고 한다. 

 

역전파알고리즘이 정확하게뭔지는 아직 모르지만 오늘 배웠던 내용중에 과적합이라는 단어가 눈에 들어왔다. 

말그대로 과하다! 라는건데 은닉층이 많아져서 학습량이 더 좋아지고 성능이 좋아진다고 생각할 수 도 있지만 신기하게도 너무 많아지면 오차가 증가하는 지점이 존재를 할 수도 있다고 하고 그 지점을 통과하면 오차가 급격하게 늘어나는 Overfitting현상이 생긴다고합니다.

정확한 내용은 여기에 있는데 이부분을 참고하면서 공부를 진행하고 있따  

머신러닝이나 딥러닝에서 학습을 많이 할수록 모델의 정확도가 높아질까? : 네이버 블로그 (naver.com)