[SK플래닛] ASAC 빅데이터전문가 11기 | 33일차

33일차는 딥러닝 구조를 조금 더 실제 설계 관점에서 본 날이었다. 전날에는 FNN, CNN, activation function 같은 용어를 큰 틀에서 봤다면, 이번에는 “입력층은 어떻게 정하고, 출력층은 무엇에 맞춰야 하고, CNN은 왜 이미지를 그냥 펼치지 않는가”를 중심으로 정리했다.가장 크게 남은 건 신경망을 볼 때 항상 입력과 출력부터 생각해야 한다는 점이었다. 어떤 데이터를 넣고, 어떤 결과를 뽑고 싶은지가 정해져야 input layer와 output layer가 결정된다. hidden layer는 그 사이에서 어떤 방식으로 특징을 뽑을지 설계하는 영역이었다.1. 신경망은 한 개 샘플 기준으로 생각해야 했다신경망을 설계할 때는 전체 데이터셋보다 먼저 샘플 하나가 어떤 모양인지를 봐야 했다. ..

• format_list_bulleted [SK플래닛] ASAC 빅데이터전문가 11기/학습기록
• · 2026. 6. 3.

[SK플래닛] ASAC 빅데이터전문가 11기 | 32일차

32일차는 딥러닝으로 넘어가면서, 기존 머신러닝과 무엇이 달라지는지 큰 흐름을 잡은 날이었다. 앞에서는 Y = f(X)에서 좋은 함수를 찾는다는 관점으로 머신러닝을 봤다면, 이번에는 그 함수 f를 인공신경망 구조로 만들고, 입력과 출력의 형태를 훨씬 자유롭게 설계할 수 있다는 점을 봤다.특히 전통적인 머신러닝은 대부분 데이터를 2D matrix 형태로 맞춰야 했지만, 딥러닝은 이미지, 영상, 음성, 텍스트처럼 더 복잡한 입력과 출력을 다룰 수 있다는 점이 크게 달랐다. 물론 자유도가 커진 만큼 파라미터도 많아지고, 학습 시간과 비용도 커진다는 점도 같이 봤다.1. AI, Machine Learning, Deep Learning의 관계먼저 AI, ML, DL의 관계를 다시 정리했다. AI는 가장 큰 범주이..

• format_list_bulleted [SK플래닛] ASAC 빅데이터전문가 11기/학습기록
• · 2026. 6. 2.