이번 시간에는 머신러닝을 배울때 필요한 수학개녕을 배운다. 1강 회귀 :: Basic Math for ML ♣결정경계 경계를 나누는 선이 선형이냐 비선형이냐를 본다. 결정경계가 일직선이면 선형이고 꾸불꾸불한 비선형이다. 이것은 회귀모델의 선형 모델,비션형 모델의 선형, 비선형과는 다르다. 회귀모델의 선형,비선형은 모양이라기모다는 데이터와 파라미터 사이가 선형적인 사이로 결합이 되어있냐 아니냐를 말한다. ♣ 함수. 두 집합 사이의 관계, 혹은 규칙을 찾아주는, 맵핑해주는 것을 말한다. 입력되는값을 x로 축력값을 y로 표현한다. 함수는 function의 f로 표현한다. 피처 부분과 라벨을 표현하는 완벽한 관계가 존재할 것이다. 그러한 상황을 표현하기 위해서 y=f(x)로 표현. ♣ 일차함수 y가 x의 일차식..

오늘은 회귀에 대해 배우기 전에 용어 정리를 한다. 1강 회귀 :: Notation ♣회귀 입력값 : 연속값,이산값 등 모두 가능. 출력값 : 연속값 모델 형태 : 일반적인 함수 형태->머신러닝 모델 ♣ 분류 입력값 : 연속값,이산값 등 모두 가능. 출력값 : 이산값 모델 형태 : 이진 분류라면 시그모이드 함수, 다중분류라면 소프트맥스 함수 꼭 포함 (일반적인 함수에 추가) 클래스가 2개인 것을 이진 분류. 클래스가 다중인 것을 다중분류 데이터의 용어에 대해 배운다. 데이터는 피처와 라벨로 구성된다. 에측하고 싶어하는 목표가 라벨. 피처는 주어진 데이터를 말한다. 피처는 독립변수이고 라벨은 종속 변수이다. 라벨은 y로 표기하고,피처는 x로 표기한다. 라벨의 유무로 지도학습, 비지도학습 분류한다. 라벨이 ..

메타코드에서 진행하는 4기 서포터즈에 운 좋게 참여하게 되었다. 메타코드에는 AI와 데이터분석 관련한 다양한 강의들이 있었고, 나는 고민하다가 머신러닝을 신청하여 듣게 되었다. ai 엔지니어로 취업준비를 하면서 느낀건데 나는 아직 딥러닝 기초 지식이 너무 부족하여 기초부터 차근차근 쌓아야 겠다고 생각하던 중 메타코드 강의 목록을 보게 되었고 머신러닝부터 알아야 딥러닝 또한 잘 알 수 있지 않을까 하는 생각에 머신러닝을 골랐다. 무려 카이스트 ai 박사과정을 하고 계신 분이 강의를 해주신다. 1강 회귀 :: 인사/강좌소개 이분이 카이스트 ai 박사과정을 밟고 계신 배상민 강사님이시다. 머신러닝강의는 총 5가지 세션으로 나뉜다. 회귀,분류,앙상블학습,차원축소,군집화 인공지능, 머신러닝, 딥러닝은 자주 같이 ..