1. Gradient Descent 전체 데이터를 학습 2. Stochastic Gradient Descent 1개의 트레이닝 데이터를 학습 3. Mini-batch Gradient Descent Gradient Descent 와 Stochastic Gradient Descent 의 절충적인 기법으로써 batch size만큼의 mini-batch 개수만큼 데이터를 학습 Stochastic Gradient Descent 와 Mini-batch Gradient Descent 은 Gradient Descent 와 비교 했을 때 local minima 에 빠질 확률을 줄여준다는 특징이 있다.

epoch : 전체 데이터를 학습시킨 횟수 batch size : 전체 데이터셋을 나눈 단위 iteration : mini batch의 개수

활성화 함수(Activation function) - 활성화 함수의 주요 목적은 딥러닝 네트웍에 비선형성을 적용하기 위함. but 오버피팅 되기 쉽다. 1) Sigmoid 함수 Vanishing Gradient 등의 이슈로 은닉층 활성화 함수로 사용되지 않음 이진 분류의 최종 Classification Layer의 Activation 함수로 주로 사용됨 2) ReLU(Rectified Linear Unit) 대표적인 은닉층의 활성화 함수 3) 소프트맥스 함수 Score 값을 확률값 0 ~ 1 로 반환 하지만, sigmoid와 다르게 개별 출력값의 합이 1이 되도록 매핑해준다. 다중 분류의 최종 Classification Layer의 Activation 함수로 주로 사용됨

1. MergeRity Vision AI 업무 Vsion AI를 이용한 이미지 분류 및 검출 모델 개발 AI 모델 서버 배포 주요 최신 논문 조사 및 구현 자격요건 딥러닝을 활용한 컴퓨터비전/이미지 프로세싱 프로젝트 경험 Python 기반의 머신러닝 프레임워크 사용 경험 Python 기본 프로그래밍 능력 우대사항 머신러닝 기반 서비스 개발 경험 클라우드 환경 개발 경험(AWS) API 제작 및 배포해본 경험