1. 기본적인 딥러닝 워크플로우(WorkFlow 간단하게) a) 데이터 셋 불러오기 훈련 세트(train_images, train_labels) 테스트 세트(test_images, test_labels) 구성 훈련 데이터에서 독립변수(train_images)와 종속 변수(train_labels)를 매핑 후 학습 [모델 생성] 테스트 데이터에서 독립변수(train_images)에 대한 예측을 요청 [예측] 테스트 데이터 셋의 종속변수(test_labels)와 예측 값을 비교 [평가] b) 신경망(model) 만들기 신경망은 층으로 구성 층은 데이터를 정제하는 역할 (여과기) (신경망의 !특징!) feature engineering 단계가 필요 없는 딥러닝: 딥러닝은 머신 러닝의 특성 공학(feature e..
