= 졸지말고 딥러닝 =

== 일시 ==
 * 2016 / 03 / 29 - 화요일 오후 7시

== 강사 ==
 * 변형진 선배님
 
== 내용 ==
 * 딥러닝이 무엇인지 설명해주고 어떤 원리로 작동하는 지에 대한 설명


=== 세부 내용 ===

'''확률적 모델링''': 확률적 모델링을 통해 딥러닝을 할 수 있음.

'''Supervised''': H: x → y (H: hypothesis, x: 입력 데이터, y: 출력 데이터)
               -x 라는 입력데이터가 주어졌을 때 그에 해당하는 출력인 y를 알려주고
               x를 입력했을 때 y라는 데이터가 나올 수 있는 가설을 세우고
               그 차이를 줄이는 것.
 
'''Unsupervised''': 위의 식에서 y가 없고 x만 존재.
               이 경우 x에서 특징들을 찾아내어 분석

'''Reinforcement''': 알파고의 자기 학습을 예로 들면,
               알파고가 바둑을 두었을 경우 그 경우가 좋은 경우인지 나쁜 경우인지
               나중에 reward를 알려줌.
               이를 설명하면
               어떠한 상태 S(t)는 어떠한 행동 A(t)에 의해 S(t+1)로 변하게 되는데
               이 경우가 좋은 지 나쁜지는 나중에 결과로 알 수 있음.
               나중에 P[S(t),A(t)]:reward 로 GOOD / BAD 를 알려줌.

               //오늘은 자세히 설명을 안하신다고 언급

'''Clustering''': 어떠한 기준으로 군집합을 나누는 데 이 때 기준을 미리 정해주지 않는다.
               이 때 기준은 데이터들 간의 수학적 거리를 통해 정해진다.
               군집합을 나누는 기법에는 여러 기법이 있다.

'''Classification''': 이 방법은 분류 기준이 주어지는 데
               예를 들면, 사람들을 안경을 쓴 사람과 안 쓴 사람을 구분한다고 하자.
               그러면 안경을 쓴 사람들의 사진과 안경을 안 쓴 사람들의 사진을 보여주고
               그 차이를 학습시킨다. 그 후 새로운 사람 데이터를 주었을 때 
               이 사람이 안경을 쓴 사람인지 안 쓴 사람인지 구분

'''선형 회귀''': y = wx + b (w,x: linear combination)
               attachment:C:\Users\CAUCSE\Pictures\Image Data\캡처.png
               이산 분포 데이터들을 가지고 가정을 한다. 그러한 가정으로 가설을 세우고
               실제의 값과 가설을 세워 나온 값들의 차이를 계산하여 그 차이를 최소화하는 것.

'''perceptron''': 뉴론 네트워크의 기본으로 등장
               y = w1x1 + w2x2 + ... + b