01. 기본 미션

1. 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는?
답: 3번, 1010개. 가중치는 1000이고, 뉴런마다 1개의 절편이 있기 때문.

2. 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 분류 모델이라면 activation 매개 변수에 어떤 활성화 함수를 지정해야 하나요?
답: 2번, sigmoid. 선형 방정식의 결과를 확률로 바꿔야 하기 때문.

3. 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서드는 무엇인가요?
답: 4번, compile(). loss 매개 변수로 손실 함수를 지정하고, metrics 매개 변수에서 측정 지표를 지정합니다.

4. 정수 레이블을 타깃으로 가지는 다중 분류 문제일 때 케라스 모델의 compile() 메서드에 지정할 손실 함수로 적절한 것은 무엇인가요?
답: 1번, mean_square_error.

02. 선택 미션

1. 다음 중 모델의 add() 메소드 사용법이 올바른 것은 어떤 것인가요?
답: 2번, model.add(keras.layers.Dense(10, activation='relu')). 층의 객체를 전달해야 하기 때문.

2. 크기가 300*300인 입력을 케라스 층으로 펼치려고 합니다. 다음 중 어떤 층을 사용해야 하나요?
답: 2번, Flatten. 배치 차원을 제외한 입력의 차원을 일렬로 펼치려면 Flatten 클래스를 사용해야 하기 때문.

3. 다음 중에서 이미지 분류를 위한 심층 신경망에 널리 사용되는 케라스의 활성화 함수는 무엇인가요?
답: 3번, relu. 이미지 처리 작업에 널리 사용되기 때문.

4. 다음 중 적응적 학습률을 사용하지 않는 옵티마이저는 무엇인가요?
답: 1번, SGD. 기본 경사 하강법, 모멘텀, 네스테로프 모멘텀 알고리즘은 모두 일정한 학습률을 사용하기 때문.