패스트캠퍼스 환급챌린지 34일차 : 딥러닝·인공지능 Signature 초격차 패지 강의 후기

 

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

강의 수강 시작

 

 

학습 인증샷

 

강의 수강 리스트

 

강의 수강 완료

 

 

오늘은 인공신경망에 대한 강의를 들었다. 인공신경망(ANN)은 기본적으로 입력값에 가중치를 곱하고, 편향을 더한 뒤, 그 결과에 활성화 함수를 적용하는 과정을 반복하는 구조를 가지고 있다. 이처럼 간단한 연산이 반복되며, 복잡한 문제도 점점 더 잘 해결할 수 있도록 설계된 것이 인공신경망이다.

모든 노드들이 서로 연결되어 있는 구조의 신경망은 다층 퍼셉트론이라고 부르는데, 퍼셉트론은 본래 활성화 함수로 계단 함수를 사용하는 단순한 인공 뉴런을 의미한다. 그러나 다층 퍼셉트론은 활성화 함수에 제한이 없기 때문에, 시그모이드 함수나 렐루 함수 등 다양한 비선형 함수를 적용할 수 있다는 점에서 보다 확장된 개념이라고 볼 수 있다.

인공신경망의 구조는 일반적으로 입력층 하나, 출력층 하나로 구성되어 있으며, 그 사이에 하나 이상의 숨겨진 층이 존재한다. 이러한 숨겨진 층이 여러 개일수록 심층 신경망, 즉 딥 뉴럴 네트워크라고 부른다. 각 층의 노드들이 다음 층의 모든 노드와 연결되어 있는 경우, 이를 전결합층이라고 하며, 인공신경망의 대표적인 구성 방식 중 하나다.

무엇보다 흥미로웠던 점은, 인공신경망이라는 것이 결국 하나의 함수라는 사실이다. 주어진 입력에 대해 원하는 출력이 나오도록 만드는 함수가 바로 인공신경망이며, 딥러닝에서는 이 함수를 수학적으로 잘 근사할 수 있도록 가중치와 편향을 학습해 나가는 것이 핵심 목표이다.

이번 강의를 들으면서, 인공신경망이 얼마나 기초적인 개념인지를 다시 한 번 느꼈고, 이러한 기초 개념이 이후 더 복잡하고 다양한 분야에서 어떻게 활용될 수 있을지 매우 궁금해졌다. 강의에서 ax+b를 인공신경망으로 표현해보라는 질문을 받았을 때조차 어떻게 접근하는지 감도 못 잡았다. 그만큼 기초적인 내용도 내가 많이 느끼고 있었던 것이다.
이렇게 하루에 하나씩 짧은 강의를 듣는 방식은 큰 부담 없이 자연스럽게 배울 수 있어 정말 좋은 것 같다. 한 번에 많은 내용을 공부하려 하지 않고, 차근차근 기초부터 쌓아가면서 개념을 정리해 나가니 오히려 더 효과적인 것 같다는 생각이 든다.

https://bit.ly/4hTSJNB