Part 1. 기본 신경망

Part 1에서는 역사상 최초의 인공지능 모델 형태인 퍼셉트론(Perceptron)에서부터 일반적인 피드포워드 신경망(FNN)의 이론 및 학습 과정을 직접 구현하며 배웁니다.

📚 다루는 내용

• CHAPTER 2 퍼셉트론: 가중치와 편향을 이용해 신호를 전달하는 퍼셉트론 알고리즘의 원리를 배우고, AND/NAND/OR 게이트 논리 회로 구현을 넘어 비선형 영역인 XOR 게이트를 다층 퍼셉트론으로 격파하는 방법을 알아봅니다.
• CHAPTER 3 신경망: 퍼셉트론에서 신경망으로 진화하는 교두보인 활성화 함수(Sigmoid, ReLU, Step)의 의미를 이해하고, 행렬곱을 이용한 다차원 순전파 렌더링 및 MNIST 손실 분류 예측망의 출력층 설계(Softmax)를 수행합니다.
• CHAPTER 4 신경망 학습: 신경망이 올바른 매개변수를 찾아가도록 기준을 제시하는 손실 함수(MSE, CEE)를 정의하고, 수치 미분을 통한 기울기(Gradient) 도출 및 확률적 경사하강법(SGD)을 이용해 MNIST 데이터셋의 신경망 매개변수를 직접 학습시킵니다.

왼쪽 목차에서 본격적인 개별 챕터 학습에 들어서 보세요!