Mathpresso 머신 러닝 스터디 — 13. RNN(Recurrent Neural Nerwork)_2

.

매스프레소(콴다)

2부 — 그래서 어떻게 쓰면 되지?

.

이제 TensorFlow를 이용해 직접 RNN을 사용해 보도록 하겠습니다.

.

이번 예제는 Sung Kim 교수님의 강의 예제를 이해하고 약간 변형했습니다.

.

Hello World!

HelloWorld라는 문구를 학습시켜서

.

‘H’,’e’,’l’,’l’,’o’,’W’,’o’,’r’,’l’를 입력하면 결과값으로 ‘e’,’l’,’l’,’o’,’W’,’o’,’r’,’l’,’d’를 순서대로 출력하는 것입니다.

.

( RNN.py > setting: python 3.5, tensorflow, numpy)

proauto/ML_Practice ML_Practice -Python(with Tensorflow)github.com

.

기존의 코드를 지금까지의 예제 형식으로 변형하고 한글 주석을 달아 설명했으며 Optimizer를 RMSProp Optimizer에서 Adam Optimizer로 변경했습니다. .

Sung Kim 교수님 강의에서 Adam은 현존하는 가장 성능 좋은 알고리즘으로 소개됩니다. > http://hunkim.github.io/ml/

.

이러한 학습의 결과는 아래와 같습니다.

.

대략 20번 정도의 학습이면 원하는 HelloWorld를 출력하는 것을 볼 수 있습니다.

.

이렇게 RNN을 이용해서 언어에 대한 학습을 할 수 있습니다.

.

그리고 RNN은 다양한 응용이 가능한 분야입니다.

.

세상의 수많은 데이터들이 순차적인 의미를 갖기에 확장성이 매우 큰 것인데요.

(시간에 따라 의미를 갖는 것이라면 무엇이든 시도해볼만 하죠!)

.

.

저희 Mathpresso에서도 RNN을 기반으로 1:1 학생 맞춤 교육 서비스를 제공하기 위한 머신을 제작하고 있습니다.

.

이번 스터디는 미래를 위한 초석을 쌓는 작업이기도 하였구요!

.

좋은 결과물로 교육의 새로운 방향을 제시하게 되길 바랍니다.

.

이것으로 계획한 스터디는 모두 끝이 났으나 피드백을 받아 몇가지 주제에 대해 더 다루어 보려 합니다.

.

FeedBack 내용

Unsupervised Learning 에서 Clustering 만 다루었는데

Density Estimation과 Dimension Reduction에 대해서도 공부하면 좋겠다.

2. 강화학습에 대해서도 알면 좋겠다.

3. TensorFlow를 주제로 정리 한번 하면 좋겠다.

cf) 오탈자 혹은 잘못된 개념에 대한 피드백은 항상 환영합니다.

기업문화 엿볼 때, 더팀스

로그인

/