초코쨔응의 데스크탑 초코쨔응의 데스크탑

10/17 Multivariate Methods오늘은 챕터 5를 다룰 것이며, 주제는 Multivariate methods이다. Univariate와 같은 컨셉을 이용할 것인데 variable의 개수가 늘어난 multidimensional case를 다룰 것이다. 그리고 나서 챕터 8의 non-parametric method로 넘어갈 것이다. (중간고사는 non-parametric method까지 포함할 것이다) 이 챕터에서 여전히 parametric approach를 사용할 것인데, multivariate case (multivariate dimension)를 볼 것이다. input이 more than 2 variable인 경우이다. see how such function can be learned f..

2018.10.10 Parametric Methods지난 시간에 Parameter methods를 조금 나갔는데, 앞부분은 그 내용들을 다시 복습하였다. i.i.d. (independent identically distributed)라는 강력한 assumption 덕분에 joint likelihood를 product of each individual likelihood로 계산할 수 있게 되었다. 데이터가 주어졌을 때, joint likelihood를 maximize하는 parameter theta를 찾는 것이 MLE가 원하는 것이다. 계산할 때는 computational reason 때문에 log likelihood를 구한다. What the maximum value가 아닌, maximize하는 thet..

★ 백준 알고리즘 기출문제집에 가보면 삼성 기출문제도 확인할 수 있다. (https://www.acmicpc.net/workbook/view/1152) 기출문제 유형알고리즘은 큐스택을 구현할 줄 알아야 한다.정형화된 문제 유형이 있어서 유형만 공부하면 된다.1. DFS, BFS 무조건 2개에서는 나온다. (왼쪽이 스택, 오른쪽이 큐)2. 백트랙킹 (스택)3. 다익스트라: 최소 경로를 찾는 문제 (큐)4. 바이너리 서치: 이분 탐색5. 연결리스트 (자료구조) st (스택), DFS, 백트랙킹은 같은 개념을 공유한다.1, 2, 3을 넣어주면 아래부터 쌓여서 꺼낼 때 3, 2, 1 순으로 꺼내게 되는 것이다. Q (큐), BFS도 같은 개념을 공유한다.1, 2, 3 순으로 넣으면 꺼낼 때도 1, 2, 3 순으..

2018.10.05 Bayesian Decision Theory오늘은 bayseian decision theory를 나갈 것인데, 베이지안 룰이나 theory에 대해서는 익숙할 것이다. 나중에는 parameter method 챕터를 나갈 것인데, 그 챕터에서는 먼저 익숙한 모델을 정의한다. 그리고 그 파라미터들을 알면 모델은 fully specified된다. 그 다음 챕터는 non-parametric method를 나갈 것인데 이 챕터에서는 distribution이 어떻게 생겼는지를 가정하지 않는다. 베이지안 framework은 심플하지만 general해서 잘 이해해야 한다. probability theory를 framework로 볼 것인데 appendix를 읽을 것을 추천한다. uncertainty 를..

2018.09.19 Supervised Learning 오늘은 Supervised learning을 배우고 다음 챕터들과 연관 있는 Probability (Basic Maths)를 배울 것이다.먼저 Supervised learning에 대한 general overview를 줄 것이다. 사실 오늘날 머신 러닝의 main power는 unsupervised learning으로부터 나오고 있다. 많은 researcher들도 논문에서 unsupervised learning에 더 초점을 맞추고 있다. simple case부터 시작할 것이다. simple case를 다루는 건 별로 practical하지는 않지만 그 안에 있는 fundamental idea가 straight forward하다. 그 후에 general..

2018.09.12Overview 오늘부터 Chapter 하나씩 나갈 것이고, 오늘 다룰 내용은 Introduction 챕터이다. 머신러닝 나가기 전에 hierarchy를 먼저 설명하면 다음과 같다.위에 있는 위키피디아 설명을 먼저 보면, 머신이나 컴퓨터가 intelligence 갖고 있고, 환경을 인식하고 액션을 한다. 그 아래에 있는 hierarchy를 보면, AI는 이것을 다 다룬다. 우리는 맨 위에 머신 러닝 부분만 다룰 것이다.다른 필드도 언급을 할 것이다. 머신 러닝은 단순히 알고리즘이나 모델 이기 때문에 그것만으로는 아무것도 못한다. 머신 러닝 왼쪽에 있는 딥러닝은 머신 러닝의 많은 다른 알고리즘 중 하나이다. 첫번째로 머신러닝 컨셉과 전통적인 프로그래밍을 비교해서 볼것이다.1. 전통적인 프..

2018.09.05Course Overview - 수업에서 다룰 내용 - 추천 책 - Prerequisites필요한 지식은 linear algebra, probability and statistics, calculus이다.또 이 수업을 들으려면 프로그래밍 할 줄 알아야하는데, Matlab과 Python 둘다 가능하고Python 프로그램이 무료이기 때문에 더 추천한다. (Scikit-learn 패키지를 사용할 것이다) - 프로그래밍 숙제 예시: neural network 만들 때 다 직접 만드는 것이 과제이고 외부 패키지는 numpy만 허락해줄 것 - 다음주 숙제 정규분포의 가운데에 mu가 있고, 좌우에 sigma를 이렇게 표현해준다.이 식의 답은 무엇인가? 힌트는 Gaussian distribution이..

16진수 표현법 이해하기visual studio code에 .c 확장자 파일을 만들고 # include # include int main(void){system("pause");printf('%d\n',1212);system pause;} 위와 같이 적어준다. 그리고 cmd 창에서 이 파일을 실행해본다.stdio.h는 standard input, output의 줄임말로 컴퓨터의 표준 입출력을 담당하는 모니터와 키보드가 할 수 있는 일을시키는 함수들을 사용할 수 있게 하기 위해 미리 불러와야한다.include가 import 같이 불러오는 일을 하는 거라고 생각하면 된다.를 불러오기 않으면 printf 기능을 쓸 수 없다. windows.h 또한 시스템 입출력에 관여하는 것으로, 이게 없으면 system이라..