본문 바로가기

학습률2

경사하강법과 미분 – 머신러닝이 배우는 원리 완전 정리 머신러닝과 딥러닝에서 모델이 학습을 한다는 건, 단순히 데이터를 외우는 게 아닙니다. 모델이 점점 더 정확한 예측을 하기 위해 **조금씩 스스로를 개선**해나가는 과정이죠. 그 핵심에 있는 것이 바로 경사하강법(Gradient Descent)입니다. 그리고 이 경사하강법은 고등학교 수학 시간에 배운 **“접선의 기울기”, 즉 미분값**과 놀랍도록 깊은 관련이 있습니다. 이번 글에서는 머신러닝이 오차를 줄여나가는 과정을 미분의 시선으로 쉽게 풀어보겠습니다.📚 목차1. 경사하강법이란?2. 비용 함수와 최소값 찾기3. 접선의 기울기 = 미분값이 왜 중요할까?4. 경사하강법이 작동하는 과정5. 학습률(learning rate)의 의미6. 마무리 요약1. 경사하강법이란?경사하강법(Gradient Descent).. 2025. 4. 8.

경사하강법(Gradient Descent) 완전 정복 딥러닝 학습의 핵심 알고리즘, 경사하강법! 이름은 낯설지만, 이해하면 신경망 훈련의 전체 구조가 보이기 시작합니다.안녕하세요! 오늘은 딥러닝을 제대로 공부하려면 반드시 알아야 할 개념, 바로 경사하강법(Gradient Descent)에 대해 자세히 알아보려 합니다. 처음엔 수학적으로 느껴질 수 있지만, 개념만 제대로 잡으면 다양한 모델 학습에 자신감이 생기실 거예요.목차1. 경사하강법이란? 2. 경사하강법 수식과 원리 3. 다양한 경사하강법 종류 4. 학습률과 수렴 문제 5. 실전 팁과 주의사항1. 경사하강법이란?경사하강법(Gradient Descent)은 신경망이 최적의 가중치를 찾기 위해 사용하는 최적화 알고리즘입니다. 손실 함수(Loss Function)의 값을 최소화하는 방향으로 파라미터(가중치와.. 2025. 3. 27.

이전 1 다음

티스토리툴바