[Feedforward Nets]
딥러닝 모델은 신경망 모델을 바탕으로 만들어진 Perceptron으로 구성 되어 있습니다.
이런 Perceptron구조를 이용해 여러 개의 Perceptron을 사용하여 만든 딥러닝의 구조를 MLP(Multi-Layer Perceptron)이라고 합니다.
Perceptron은 3개의 층(Layer)으로, Input Layer, Hidden Layer, Output Layer로 구성되어 있습니다.
여기서 MLP모델은 Hidden Layer가 하나 이상으로 될 경우를 말합니다.
이론 시간에 MLP모델 내부 구조와 가중치 값이 어떻게 업데이트 되는지를 확인하고 실습시간에는 Pytorch를 사용해서 MLP모델을 구현해 봅니다.
MLP모델을 코딩해보면서 순차적인 구조에 따라 사용하는 라이브러리와 그 기능들을 확인해보는 시간을 갖게 됩니다.
모델이 작동되는 순서와 라이브러리의 기능을 매칭시키며 모델의 구조에 대한 이해를 향상시킬 수 있습니다.
또한 모델의 파라미터를 조정하면서 성능이 어떻게 변해가는지 확인해 볼 수 있습니다.

[Feedforward Nets]
딥러닝 모델은 신경망 모델을 바탕으로 만들어진 Perceptron으로 구성 되어 있습니다.
이런 Perceptron구조를 이용해 여러 개의 Perceptron을 사용하여 만든 딥러닝의 구조를 MLP(Multi-Layer Perceptron)이라고 합니다.
Perceptron은 3개의 층(Layer)으로, Input Layer, Hidden Layer, Output Layer로 구성되어 있습니다.
여기서 MLP모델은 Hidden Layer가 하나 이상으로 될 경우를 말합니다.
이론 시간에 MLP모델 내부 구조와 가중치 값이 어떻게 업데이트 되는지를 확인하고 실습시간에는 Pytorch를 사용해서 MLP모델을 구현해 봅니다.
MLP모델을 코딩해보면서 순차적인 구조에 따라 사용하는 라이브러리와 그 기능들을 확인해보는 시간을 갖게 됩니다.
모델이 작동되는 순서와 라이브러리의 기능을 매칭시키며 모델의 구조에 대한 이해를 향상시킬 수 있습니다.
또한 모델의 파라미터를 조정하면서 성능이 어떻게 변해가는지 확인해 볼 수 있습니다.