딥러닝
인공신경망 기반 학습 기술
대규모 데이터 처리에 강점이 있다
Card
emy
← 탐색으로 돌아가기
딥러닝 기초와 모델 성능 평가를 중심으로 학습하는 단계다. 신경망 구조, 활성화 함수, CNN·RNN 기본 개념과 함께 정확도, 정밀도, 재현율, F1-score, ROC-AUC 같은 평가 지표를 학습한다. 실제 시험에서는 모델 유형과 평가 지표를 연결해서 묻는 문제가 매우 자주 출제된다. “어떤 상황에서 어떤 평가지표를 써야 하는가”를 빠르게 판단할 수 있도록 만드는 것이 중요하다.
무료 체험 퀴즈
딥러닝
인공신경망 기반 학습 기술
대규모 데이터 처리에 강점이 있다
인공신경망
인간 신경 구조를 모방한 모델
딥러닝 기본 구조다
퍼셉트론
가장 기본적인 신경망 모델
입력과 출력 구조를 가진다
다층 퍼셉트론
은닉층을 포함한 신경망 구조
복잡한 패턴 학습이 가능하다
입력층
데이터를 입력받는 계층
신경망 시작 부분이다
아래 문항들은 이 학습지에 수록된 카드입니다. 로그인하면 이 학습지를 내 계정으로 복사해 카드를 한 장씩 넘기며 반복 학습할 수 있고, 숙달한 카드는 완료 표시하여 다음 세션에서 제외할 수 있습니다.
딥러닝
인공신경망
퍼셉트론
다층 퍼셉트론
입력층
은닉층
출력층
가중치
편향
활성화 함수
시그모이드 함수
Tanh 함수
ReLU
Softmax
손실 함수
MSE
Cross Entropy
경사하강법
학습률
에포크
배치 크기
역전파
과적합
드롭아웃
배치정규화
CNN
합성곱층
필터
풀링층
Max Pooling
RNN
순환 구조
LSTM
GRU
Attention
Transformer
자연어처리
토큰화
임베딩
Word2Vec
BERT
GPT
생성형 AI
전이학습
Fine-tuning
강화학습
보상
에이전트
환경
Q-Learning
모델 평가
정확도
정밀도
재현율
F1-score
ROC Curve
AUC
Confusion Matrix
TP
TN
FP
FN
회귀 평가
MSE
RMSE
MAE
과소적합
일반화
교차검증
K-Fold
앙상블
배깅
부스팅
스태킹
Feature Importance
Explainable AI
SHAP
LIME
Bias
Variance
Bias-Variance Tradeoff
AutoML
MLOps
데이터 드리프트
모델 배포
실시간 추론
배치 추론
GPU
TPU
하이퍼파라미터 튜닝
Early Stopping
Confusion Matrix 해석