딥러닝에 들어가기 앞서,,

* ML Process

문제정의&data 준비 -> 학습 -> 추론&평가

 

* 성능 우수한 모델

모델을 정의해보며 경험에 의해 찾아간다.

 

* 문제 정의

탐색적 데이터 분석(EDA) 활용하자.

무엇에 사용할거냐?

어떻게 사용할거냐?

사용자는 누구인가?

성능평가는 어떤방식을 이용하나?

 

* 데이터 전처리!

데이터 셋의 domain확인해서 사용하기 

충분한 데이터 준비하기

 

* 모델 선택

어떤 data 적용할 것이냐?

적용 사례가 있는가?

깊이는 어느 정도인가?

환경은 어떤 환경인가?

optimizer? loss function?

GPU 메모리?

 

* SOTA 모델 활용하자

이미지? VGG, ResNet, Inception

자연어처리? ELMO, BERT, GPT

=> 전이 학습으로 해보기

 

* 모델 선택, hyper parameter 조정 단계는 필수!

batch size, learning rate, layer parameter 등

 

* 모델의 내부요소, 외부요소 복합적인 고려하기

 

* 추론 Inference

test dataset 이용하기