사전 학습 모델로 전이 학습

1 / 18

100%

Transfer Learning: 기존 지식을 새 문제에 재활용 Transfer Learning(전이 학습)은 이미 학습된 모델의 지식을 새로운 문제에 재사용하는 기법입니다.처음부터 학습(Training from Scratch)의 문제:ImageNet 분류기를 처음부터 학습하려면 1.4M 이미지, GPU 수십 대, 며칠의 시간 필요의료 영상, 위성 사진 등 도메인 특화 데이터는 수천 장도 구하기 어려움적은 데이터로 큰 모델을 학습하면 과적합(overfitting) 발생Transfer Learning의 핵심 아이디어:\text{새 모델} = \text{사전학습 가중치} + \text{소량의 도메인 데이터로 미세 조정}ImageNet 사전학습 모델이 강력한 이유:1,000개 클래스, 1.4M 이미지로 학습초기 층: 엣지, 텍스처 등 범용적 시각 특징 학습이 범용 특징은 의료, 위성, 자율주행 등 거의 모든 시각 태스크에 유용효과:학습 시간: 수일 → 수시간필요 데이터: 수백만 → 수천~수백성능: 처음부터 학습보다 일관되게 우수현대 딥러닝에서 Transfer Learning 없이 모델을 학습하는 경우는 거의 없습니다.

0:00 / 2:37

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

딥러닝 기말고사딥러닝 중간고사인공지능 전공 정리딥러닝 과제신경망 시험 대비

비전공/입문자

딥러닝 쉽게 설명딥러닝이란AI 기초 공부딥러닝 독학딥러닝 입문 추천

취준생

딥러닝 면접 질문AI 엔지니어 준비딥러닝 포트폴리오

직장인

딥러닝 실무 적용AI 업스킬링직장인 딥러닝 강의

대학원생/연구자

딥러닝 최신 동향neural network 서베이

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비