수학 기록지

이번 포스팅에서는 Rule based machine learning overview를 해보도록 하겠습니다. http://www.edwith.org/machinelearning1_17/lecture/10579 [LECTURE] 2.1. Rule Based Machine Learning Overview : edwith - 신승재 www.edwith.org 이제 드디어 machine learning의 도입부입니다. 강의에서도 얘기가 나왔듯, learning, 즉 배우는 것은 경험(experience)으로부터 얻게 되는 것이고, 특정 task에 대해 익히게 됩니다. 더 많은 경험을 하면 할수록 그 task에 대해서는 점점 전문가가 되기를 희망하며 익히게 되듯, machine learning도 같은 아이디어로 동..

이번 포스팅은 지난 1.1 ~ 1.3 포스팅에 대한 appendix 느낌의 포스팅입니다. 지금까지 쓰였고 앞으로도 자주 쓰일 확률과 분포에 대한 개념을 소개하는 시간입니다. http://www.edwith.org/machinelearning1_17/lecture/10577 [LECTURE] 1.4. Probability and Distribution : edwith - 신승재 www.edwith.org 우선 확률에 대해서 알아보도록 하겠습니다. 수학에서는 측도론(measure theory)이라고 불리우는 전공이 있습니다. 이름에서부터 알 수 있듯 measure라는 도구를 사용하여 무언가를 재는데, 이 때 metric과는 다른 의미이니 혼동하면 안됩니다. 확률론 자체가 measure theory를 기반으로..

이번 포스팅에서는 MAP(Maximum A Posteriori) Estimation에 대해서 알아보도록 하겠습니다. http://www.edwith.org/machinelearning1_17/lecture/10576 [LECTURE] 1.3. MAP : edwith - 신승재 www.edwith.org 지난 포스팅에 이어 계속 압정을 던지는 예를 생각하고 있습니다. MLE 관점에서는 다섯 번 던져봤더니 세 번이 head가 나오고 두 번이 tail이 나왔었으니 $\hat\theta=3/5$가 적절하다고 결론을 내렸었는데요. 이는 50번을 던졌더니 30번이 head가 나왔어도 같은 prediction 값이 됩니다. 결과적으로는 같은 prediction이지만, 정말로 이 둘이 같은가? 에 대해서, 지난 시간에..

이번 포스팅에서는 MLE(Maximum Likelihood Estimation)에 대해서 알아보도록 하겠습니다. http://www.edwith.org/machinelearning1_17/lecture/10575 [LECTURE] 1.2. MLE : edwith - 신승재 www.edwith.org 강의 초반부에서는 압정을 던지는 예로 시작합니다. 압정을 던져서 위가 나오면 돈을 두 배로 먹고, 아래로 나오면 그대로 두는 도박이 있다고 가정. 어느 날 부자가 와서 이 도박에 참여했는데, 그 부자가 나에게 돈을 주며, 압정을 던져서 위가 나올 확률이 무엇인지 물었다면 뭐라고 대답할 것인가? 일단 모르겠으니 던져본다. 다섯 번을 던져 보니 세 번이 위로 가고 두 번이 아래로 갔다고 가정하자. 그러면 이 결과..

앞으로 시간이 될 때마다 edwith에 공개되어 있는 문일철 교수님의 인공지능 및 기계학습 개론 수업을 듣고 리뷰 할 생각입니다. 이미 많은 분들이 리뷰를 하셨지만, 저는 저만의 스타일로 정리를 해두고자 합니다. http://www.edwith.org/machinelearning1_17/lecture/10574 [LECTURE] 1.1. Motivations : edwith - 신승재 www.edwith.org 첫 시간은 motivation 및 가장 기초가 되는 개념들을 다루는 시간이었습니다. Machine learning하면 항상 같이 나오는 단어들이 있죠.: Machine Learning Deep Learning Data Mining Knowledge Discovery Artificial Intell..