[인공지능 강의 리뷰] 11 - 신경망 기초 테스트 (Neural Network Basic Quiz)

이번 시간에는 2주 차 때 배운 내용을 총정리하는 신경망 기초 퀴즈를 풀어봅시다

문제는 1 ~ 10번으로 이루어져 있습니다.

1번부터 하나하나 풀어가며, 그동안 배운 지식을 테스트해 봅시다.

--> 저와 같이 풀어보시면서, 신경망 기초 지식을 테스트해 보세요!

---

1번 문제 :

뉴런 퀴즈

---

1번 정답 :

로지스틱 회귀(Logistic Regression)를 하며 수도 없이 반복한 내용입니다.

선형 함수 계산 후, 활성화 함수에 대입하기에 답은 " 3 " 번입니다

--> 정답 스포 방지를 위해, 글자색을 하얀색으로 설정하였습니다.

더블 클릭이나 클릭을 해서 정답을 확인하세요

---

2번 문제 :

손실함수 퀴즈

---

2번 정답:

손실 함수(loss function)에 대한 문제입니다.

(손실 함수의 값을 시그 로이드 함수에 대입하는 과정)

log의 형태를 통해서,

시그로이드 함수 ( 1 / ( 1 + e'-x)에 대입하여 값을 깔끔하게 만들어 주었기에,

정답은 " 3 " 번입니다.

---

3번 문제 :

신경망에서, 열 벡터에 관한 퀴즈

---

3번 정답 :

문제에 정답이 있습니다.

" 열 벡터 "로 재구성한다고 했기에, 1 * m 행렬의 형태일 것입니다.

그래서 정답은 " 2번 "입니다.

---

4번 문제

행렬의 계산에 관한 퀴즈

---

4번 정답:

브로드 캐스팅(BroadCasting)과 관련된 행렬의 덧셈 문제입니다.

a는 2 * 3 행렬이니 이러한 형태이고,

b는 2 * 1 행렬이니 이런 형태입니다.

즉, 브로드 캐스팅(BroadCasting)을 통해서, b가 3번 복사되어 더해지므로,

정답은 " 4번 "입니다

---

5번 문제 :

행렬의 곱셈에 관한 퀴즈

---

5번 정답:

행렬의 곱셈에 대한 문제입니다.

	​

a는 위와 같은 4 * 3 행렬이고,

b는 위와 같은 3 * 2 행렬입니다.

*은 요소별 곱셈이기에, 행렬의 곱셈과 다른 방식입니다.

요소별 곱셈은 서로 행렬의 모양이 같아야 합니다.

하지만 브로드 캐스팅을 통해 모양이 같아져야 하는데, b의 모양으론 불가능합니다

따라서 답은 " 1번 "입니다.

반응형

---

6번 문제 :

신경망에서 ,  입력 데이터 x의 차원에 관한 퀴즈

---

6번 정답:

2주 차 강의 첫 시간에 배웠었던 내용입니다.

m 개의 트레이닝 셋에 각각 n'x 개의 입력 기능이 있다는 뜻입니다.

그래서 답은 " 3번" 입니다.

헷갈리시는 분은 아래의 자료를 참고하세

코세라 수업 강의자료 발췌

---

7번 문제 :

행렬의 곱셈에 관한 문제

---

7번 정답 

np.dot()은 numpy에서 제공하는 행렬을 연산해 주는 프로그래밍 코드입니다.

행렬의 연산을 통해서, ㄱ 자 모양으로 곱해지기에

정답은 " 4번 "입니다.

---

8번 문제 :

FOR 반복문을 벡터화로 바꿔보기

---

8번 정답 :

for 구문을 이용한 행렬 연산에 관한 문제입니다.

a는 ㅇ ㅇ ㅇ ㅇ b는 ㅇ

ㅇ ㅇ ㅇ ㅇ 형태이고, ㅇ 형태입니다.

ㅇ ㅇ ㅇ ㅇ ㅇ

ㅇ

c[i][j]에서 i = 3까지 j = 4까지이므로,

c는 3 * 4 행렬의 모양일 것입니다.

이런 모양을 만들어 주기 위해서,

b를 전치(Transpose) 하면 브로드 캐스팅(BroadCasting)을 통해 계산이 될 것입니다.

그래서 답은 " 2번 "입니다.

---

9번 문제 :

브로드 캐스팅에 관한 문제

---

9번 정답 :

5번 문제에서 언급했듯이,

*는 요소별 곱이고 np.dot()은 행렬의 곱입니다.

그래서 정답은 " 4번 "입니다.

---

10번 문제 :

연산 그래프 해석

---

10번 정답 :

단순 계산 문제입니다.

J = u + v - w

( u, v, w를 대입하여 a, b, c에 대한 식으로 만듭시다. )

J = ( a * b) + ( a * c) - ( b + c)

J = ab + ac - b - c

J = a ( b + c) - ( b + c)

J = ( a - 1 ) ( b + c)

그래서 답은 " 1번 "입니다.

---

이상으로,  2주 차 내용을 담고 있는 신경망 기초 퀴즈를 통해서 학습 정도를 테스트해 보았습니다.

다음 시간에는 저희가 배운 지식을 총동원하여,

파이썬으로 실제 딥러닝 모델을 만드는 프로그래밍 과제를 수행해 봅시다!

내용에 관해 궁금하신 점 있으시면 댓글 주세요! 성심성의껏 답변드리겠습니다!

이 내용들은 모두 coursera에서 앤드루 응 교수님의 강의를 요약정리 및 쉽게 재풀이 하여 적은 글이며,

내용에는 생략되거나 변형된 부분이 많으니 직접 강의를 들어보시는 걸 추천드립니다!

이 글은 상업적 목적이 아닌, 한국에서 인공지능을 배우고 싶은 분들을 위해 적은 교육적 목적에서 작성하였습니다.