뉴럴 네트워크의 학습 과정과 정책 방법을 설명하며, 모델의 성능을 최적화하는 방법에 대해 다룹니다.
오버피팅의 개념과 이를 해결하기 위한 다양한 방법에 대해 설명합니다.
모델의 히든 노드 개수를 결정하는 방법과 그 중요성에 대해 설명합니다.
웨이트 초기화의 중요성과 랜덤 초기화 방법에 대해 설명합니다.
액티베이션 함수의 종류와 선택 기준에 대해 설명하며, 각 함수의 특징을 다룹니다.
온라인, 배치, 미니배치 러닝 전략의 차이점과 장단점을 설명합니다.
에러 함수의 정의와 다양한 에러 함수의 활용에 대해 설명합니다.
소프트맥스 함수의 개념과 분류 문제에서의 활용에 대해 설명합니다.
모델 성능을 평가하는 방법과 트레이닝 및 테스트 에러의 차이에 대해 설명합니다.
배치 정규화의 개념과 이를 통해 학습을 안정화하는 방법에 대해 설명합니다.
데이터 증강의 필요성과 다양한 기법에 대해 설명합니다.
