|
은 결과를 보이는 하이퍼파라미터의 범위를 정하고 그 범위 내에서 더 세밀하게 하이퍼파라미터를 탐색하는 것이다. 이러한 하이퍼파라미터의 효과를 파악하기 위한 도구로는 구글 텐서플로 플레이그라운드 등이 있다.
텐서플로 플레이그라
|
|
|
하이퍼파라미터를 달리하여 신경망 2개를 만들고, 이 2개 신경망 성능을 비교하여 하이퍼파라미터의 특성을 정리하시오.(8점)
4. 구글 Colab을 이용하여 MNIST에 대한 완전연결신경망을 작성하고 그 과정을 설명하시오. 코드 작성할 때 교재의
|
|
|
하이퍼파라미터 선정. 대한교통학회 학술대회지, 1(3)
김원호, 이유화, 김시현. (2009). 시각장애인 대중교통 이용실태 분석 및 대중교통시설 내보행지원 시스템 구축방안. 서울도시연구, 10(3)
시각장애인 대중교통 이용실태 분석 및 대중교통시
|
|
|
이퍼파라미터의 효과를 파악하기 위한 도구로는 구글 텐서플로 플레이그라운드 등이 있다.
텐서플로 플레이그라운드에서는 하이퍼파라미터로 Epoch, Learning rate, Activation, Regularization rate 등을 선택할 수 있다. 은닉층은 최대 6개까지 가능하며
|
|
|
하이퍼파라미터 튜닝이었으며, TensorBoard를 활용한 시각화 분석을 통해 실험 흐름을 팀원들과 공유했습니다. 또한, 모델 개선 사항을 명확히 전달하기 위해 실험별 변화 지점을 ‘이유-결과’ 구조로 정리한 기술 로그를 문서화하여, 팀원들이
|
|
 |
하이퍼파라미터 튜닝과 평가 지표 분석에 주력했습니다. 팀원들과 긴밀히 소통하며 연구 방향을 공유했고, 결과 발표 준비도 함께 진행해 프로젝트 성공에 기여했습니다.
Q8. 보안 분야에서 AI를 활용할 때 고려해야 할 점은 무엇인가요?
데이
|
|
 |
으로 줄일 수 있었고, 전체 프로젝트 일정에 맞춰 예측 모델 개발에 집중할 수 있었습니다. 또한, 예측 모델의 성능을 개선하기 위해 다양한 머신러닝 알고리즘을 실험하고, 하이퍼파라미터 튜닝을 통해 모델의 정확도를 크게 향상시켰습니다
|
|
 |
있습니다.
이를 극복하기 위해 체계적인 학습과 실험을 통해 문제를 단계적으로 해결할 것입니다. 예를 들어, 교차 검증(Cross-validation)을 통해 모델의 성능을 안정적으로 평가하고, 하이퍼파라미터 튜닝을 통해 모델을 최적화하는 방식으로 접
|
|
 |
하이퍼파라미터 튜닝을 반복적으로 수행하며 최적의 결과를 도출하였습니다.
4-4. 크래프톤에서 AI 기술을 활용하여 개선하고 싶은 점이 있나요?
게임 내 NPC의 행동 패턴을 보다 자연스럽게 개선하는 AI 시스템을 개발하고 싶습니다. 현재 NPC
|
|
 |
하이퍼파라미터 최적화, 모델 경량화 등의 방법을 활용할 수 있습니다.
4) 딥러닝 모델 개발 과정에서 가장 중요하다고 생각하는 요소는 무엇인가요?
답변: 데이터의 질과 양, 모델 구조의 최적화, 실시간 처리 속도가 중요한 요소라고 생각
|
|
메뉴펼치기
