▲ 그림 1-20 딥러닝 학습 단계
1. 데이터 준비: 딥러닝 모델의 성능은 데이터 품질에 크게 의존합니다. 따라서 먼저 학습에 필요한 데이터를 수집하고, 이를 정제하는 과정이 필요합니다.
▪ 데이터 수집: 웹 크롤링, 센서 데이터, 데이터베이스 등에서 학습 데이터를 확보합니다.
▪ 데이터 정제: 이상치 제거, 중복 데이터 삭제, 결측값 처리 등 데이터를 깨끗하게 만듭니다.
▪ 정규화: 입력 데이터의 크기를 일정한 범위로 조정합니다.
▪ 데이터 분할: 모델의 학습과 평가를 위해 데이터를 훈련(training), 검증(validation), 테스트(test) 세트로 나눕니다.