1. 풀어야 할 문제 이해하기
- 정확한 값을 예측하는 회귀 문제인가?
- 입력이 속한 범주를 예측하는 분류 분제인가?
2. 데이터 파악하기
- 입력 자료형과 정답 확인하기
- 클래스 간의 불균형은 없는지 확인하기
- 누락된 데이터 혹은 자료형에 맞지 않는 데이터가 포함되어 있는지 확인하기
3.데이터 전처리
- 학습에 필요한 데이터가 부족하다면 데이터 증강하기
- 데이터를 정규화해서 값의 범위 맞추기
4. 신경망설계
- 데이터의 공간 정보가 중요하면 합성곱 적용하기
- 데이터의 순서 정보가 중요하면 RNN 적용하기
5. 신경망학습
- 적합한 손실함수 찾기
- 가중치 수정을 위한 최적화 정하기
- 신경망의 성능을 평가하기 위한 평가 지표 정하기
6. 손실이 무한대로 발산한다면
- 손실 함수 바꿔보기
- 데이터에 이상한 값이 섞여 있는지 확인하기
- 학습률 줄이기
7. 손실이 0으로 수렴한다면
- 데이터가 부족하지 않은지 확인하기
- 신경망 크기 줄여보기
참고: Must Have 텐초의 파이토치 딥러닝 특강
'데이터사이언스 > 인공지능' 카테고리의 다른 글
간단한 신경망 만들기(사인함수 예측하기) (0) | 2022.08.26 |
---|---|
인공신경망 ANN 이해하기(인공지능 핵심용어 등) (0) | 2022.08.24 |
지도학습, 비지도학습, 강화학습 (0) | 2022.08.24 |
머신러닝의 이상치 탐지 기법과 적용사례 (0) | 2022.08.21 |
인공지능에서 머신러닝과 딥러닝의 차이 (0) | 2022.08.16 |