Deep Learning: A Critical Appraisal

[subinium]

• https://arxiv.org/pdf/1801.00631.pdf

[subinium]

간단 내용

실제적으로 딥러닝(Representation Learning)이 힘든 이유는…

• Unlabeled: 빅데이터에서 인간의 레이블링 과정
• Non-Independent Identically Distributed(IID): Train/Test 데이터가 동일한 확률분포 구조가 아님.
• Adversarial Examples: 잘못된 관측 데이터.
• Miss-Labeled: 잘못된 레이블.
• Class Imbalanced: 클래스가 동등한 비율로 수집되지 않음.
• High-Dimensional Space: 실제 데이터와 다른 왜곡된 공간 생성

참고자료

1. https://arxiv.org/abs/1801.00631
2. https://www.samsungsds.com/kr/insights/data_science.html