▪ 신경망 구조 설계: CNN(이미지), RNN(시계열 데이터), Transformer(자연어) 등 적절한 모델을 선택합니다.

▪ 층(layer) 구성: 입력층, 은닉층, 출력층을 설계합니다.

▪ 활성화 함수 선택: 시그모이드, 렐루, 소프트맥스(Softmax) 등 문제에 적합한 활성화 함수를 적용합니다.

▪ 손실 함수 결정: 출력값과 실제 값 간 차이를 계산하며, 모델 성능을 평가하는 척도로 사용합니다. 일반적으로 크로스 엔트로피 손실 또는 평균 제곱 오차(MSE)와 같은 함수를 활용합니다.

▪ 최적화 알고리즘 선택: 경사 하강법, Adam, RMSprop 등 학습을 최적화할 방법을 결정합니다.