[Linear Models]
딥러닝을 시작하기위해서 가장 처음에 알아야 하는 내용이 Linear model입니다.
딥러닝 모델은 이러한 Linear model을 바탕으로 연산이 작동하므로 가장 기초가 되는 부분이라고 볼 수 있습니다.
Linear model은 두 가지 목적으로 사용됩니다.
연속적인 값을 예측하는 회귀(Regression)과 분류(Classification) 모델로써 데이터의 범주를 결정하는 상황에서 사용하게 됩니다.
이론 수업시간에는 Linear model가 작동하는 알고리즘의 아이디어를 배우고 성능이 향상 시키기 위한 Regularization에 대해 학습을 하고,
실습시간에는 딥러닝 프레임워크 중 하나인 Pytorch를 사용해서 Linear model을 구현해 보는 시간을 가져봅니다.
딥러닝 프레임 워크에서는 데이터를 Tensor의 형태로 다루게 됩니다. 그래서 Tensor의 기초적인 개념과 Pytorch에서 제공하는 라이브러리를 이용해서 Tensor를 다루는 법을 학습해 봅니다.
그리고 결과를 시각화하기위해 사용하는 라이브러리를 사용하기 위해 Tensor를 Numpy로 변환하거나 하는 부분도 학습해 보고, 라이브러리가 딥러닝 모델에서 어떻게 사용되는지 뒤이어 구현해보면서 확인하는 시간을 가져봅니다.

[Linear Models]
딥러닝을 시작하기위해서 가장 처음에 알아야 하는 내용이 Linear model입니다.
딥러닝 모델은 이러한 Linear model을 바탕으로 연산이 작동하므로 가장 기초가 되는 부분이라고 볼 수 있습니다.
Linear model은 두 가지 목적으로 사용됩니다.
연속적인 값을 예측하는 회귀(Regression)과 분류(Classification) 모델로써 데이터의 범주를 결정하는 상황에서 사용하게 됩니다.
이론 수업시간에는 Linear model가 작동하는 알고리즘의 아이디어를 배우고 성능이 향상 시키기 위한 Regularization에 대해 학습을 하고,
실습시간에는 딥러닝 프레임워크 중 하나인 Pytorch를 사용해서 Linear model을 구현해 보는 시간을 가져봅니다.
딥러닝 프레임 워크에서는 데이터를 Tensor의 형태로 다루게 됩니다. 그래서 Tensor의 기초적인 개념과 Pytorch에서 제공하는 라이브러리를 이용해서 Tensor를 다루는 법을 학습해 봅니다.
그리고 결과를 시각화하기위해 사용하는 라이브러리를 사용하기 위해 Tensor를 Numpy로 변환하거나 하는 부분도 학습해 보고, 라이브러리가 딥러닝 모델에서 어떻게 사용되는지 뒤이어 구현해보면서 확인하는 시간을 가져봅니다.