SW개발
-
-
-
-
-
머신러닝 수업 6주차 - Multivariate MethodsSW개발/머신러닝 2018. 11. 1. 21:46
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..
-
머신러닝 수업 5주차 - Parametric MethodsSW개발/머신러닝 2018. 10. 12. 23:53
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..
-
머신러닝 수업 4주차 - Bayesian Decision Theory & Parametric MethodsSW개발/머신러닝 2018. 10. 5. 14:55
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..
-
머신러닝 수업 3주차 - Supervised LearningSW개발/머신러닝 2018. 9. 19. 12:28
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..