1. 딥러닝에서는 CNN을 활용하여 최적의 패턴 추출 방법을 자동으로 학습한다.
2. 일반적으로 CNN은 로지스틱 회귀, 랜덤 포레스트에 비해 학습 시간이 덜 필요하다.
3. 컨볼루션 신경망(CNN)에서 Max Pooling 레이어는 입력 이미지의 해상도를 높여 더 많은 정보를 학습할 수 있도록 한다.
4. transforms.Resize((height, width)) 형태로 사용하면 자동으로 비율을 유지하면서 크기를 조정할 수 있다
5. torch.save를 이용하여 모델을 불러올 때, 저장했던 모델과 동일한 네트워크가 꼭 필요하다.
6. optimizer = optim.Adam의 lr를 지나치게 높게 설정해도 빠르게 학습한다.
7. 심층신경망의 서브모듈에서 맥스 풀링 계층의 추가는 일반적으로 마지막 합성곱 계층에서 이루어진다.
8. CNN에서 스트라이드 값이 커질수록 실제 성능에 영향을 끼질 확률이 증가한다
9. 스트라이드 기법은 맥스 풀링 기법과 동일하게 특정한 영역 내에서 주요한 데이터들을 요약한다.
10. CNN의 ReLU 활성화 함수는 입력이 음수일 경우 0을 반환하고, 양수일 경우 입력 값을 그대로 반환한다.

Dacon&Kaggle 실습 문제

https://www.kaggle.com/competitions/nlp-getting-started/overview

Dacon&Kaggle 실습문제는 2주치 과제 입니다.

문제를 해결 후에 7주차 문제 제출일(11/17)에 7주차 문제 제출 페이지에 리더보드 캡쳐와 사용한 코드를 같이 제출하시면 됩니다!