0%
- 기존의 코드를 확인해서 그대로 사용가능하고 문제가 있는 경우 코드 수정이 필요. stack of flow
- 빠르게 오픈소스 코드를 가지고 와서 구현할 수 있는지
- 새로 나오는 딥러닝에 관한 논문들을 보고 바로바로 이해할 수 있고 코드로 구현할 수 있는가 (수준이 높음)
- 딥러닝/머신러닝의 차이 = feature extraction (딥러닝이 알아서 줄여줌 = embedding)
- fully connected layer: 고차원 → 저차원으로…
- input vector ⇒ linear classifier로 변경
- 학습이 잘 되는 vector = 0,1로 잘 구분된 것.
model capacity가 크다 = 딥러닝- 딥러닝은 feature vector가 많음 (고차원)
- class imbalanced ⇒ 모델 자체로는 학습하기 어려운 상태이므로 minority class를 어느 정도 보완해줘야 함. (일반적으로 배너광고를 잘 클릭하지 않음. = 극심한 class imbalanced의 상태)