12. Ch01. 시계열 알고리즘 딥러닝 시계열 - 04. 시계열과 딥러닝 알고리즘 비교 Show 13. Ch01. 시계열 알고리즘 딥러닝 시계열 - 05. 시계열분석에 딥러닝이 필요한 이유 14. Ch01. 시계열 알고리즘 딥러닝 시계열 - 06. 시계열딥러닝 알고리즘1-1(CNN vs RNN) 1. 시계열 회귀 분석과 딥러닝의 차이일반적인 다중회귀식은 다음 그림에 나와있다. 이를 네트워크로 표현하면 아래 노드와 엣지와 같이 나타나는데, 이에 활성함수를 취해준 모습으로 인공신경망(딥러닝)처럼 표현할 수 있다. 1-1. 인공신경망 식과 구조위 표현식을 간단하게 표현하면 아래 그림과 같은데, 각 노드와 가중치가 반복적으로 곱해지고 더해지며 predicted Y를 구하는 것이다. 1-2. 인공신경망의 검증(Evaluation)
2. 시계열 분석에서 딥러닝이 필요한 이유2-1. 머신러닝 방향 및 발전2-2. 시계열 분석에 딥러닝 적용 필요성1) 자동 Feature 추출과 학습
2) 다양한 입출력 작업을 가능하게 함
3) 길이가 긴 Sequence 패턴 추출 가능2-2. 알고리즘의 한계 : Garbage in, garbage out(GIGO)
가장 중요한 것은 데이터이다. 데이터의 질이 쓰레기라면 좋은 알고리즘의 출력이라도 쓰레기이기 때문이다. 3. 시계열 딥러닝(Supervised Learning)3-1. CNN 과 RNN
강의 소개 링크 : https://bit.ly/3czfg42 1. 시계열 회귀분석
2. 딥러닝
시계열 / 딥러닝 3. 시계열분석에서 딥러닝 적용 필요성 (1) 데이터에서 자동으로 feature 추출하고 학습 가능 (2) 여러 X와 여러 Y 가능 (3) 길이가 긴 sequence 패턴도 추출 가능 4. 시계열 딥러닝 알고리즘 (RNN, LSTM, GRU) (1) CNN
(2) RNN
1. 종류
2. 한계
(3) LSTM
(4) GRU
+ 참고 자료 및 출처 김경원 < 파이썬을 활용한 시계열 데이터 분석 A-Z 강의 > ( 패스트캠퍼스 강의 ) |