Fundamentals 검색 결과

52 개의 검색 결과가 있습니다.

Fundamentals/AI Fundamentals

딥러닝 기초 - Multi-Layer Perceptron (MLP) (1)

자주 잊어버리는 딥러닝 기초 내용을 여러 포스팅에 걸쳐 간단하게 정리해보려 한다. 다룰 내용은 크게 아래와 같다. Introduction Elements of ML Multi-layer Perceptron Model Selection CNN GNN RNN 목차 Non-linear Models 이전 포스팅에서 살펴본 모델들은 data를 예측하거나 분류할 때 linear function을 이용하였다. 예를 들어, binary classification task가 주어졌다고 하자. binary classification이란 두 가지를 분류(예를 들어 사진이 강아지, 고양이 둘 중 무엇인가?)하는 task이다. 이 경우, classification 모델의 학습 과정은 데이터의 두 class(강아지, 고양이)를 ..

2022. 12. 10. 20:15

Fundamentals/AI Fundamentals

딥러닝 기초 - Elements of ML

자주 잊어버리는 딥러닝 기초 내용을 여러 포스팅에 걸쳐 간단하게 정리해보려 한다. 다룰 내용은 크게 아래와 같다. Introduction Elements of ML Multi-layer Perceptron Model Selection CNN GNN RNN 목차 Introduction 이번 포스팅에서는 머신 러닝이 무엇이며, 주요 구성 요소는 어떤 것이 있는지 알아볼 것이다. What is ML? Mitchell이 1997년에 내린 머신러닝의 정의는 다음과 같다. A computer program is said to learn from experience \(E\) with respect to some class of tasks \(T\) and performance measure \(P\), if its..

2022. 12. 10. 19:46

Fundamentals/AI Fundamentals

딥러닝 기초 - Introduction

자주 잊어버리는 딥러닝 기초 내용을 여러 포스팅에 걸쳐 간단하게 정리해보려 한다. 다룰 내용은 크게 아래와 같다. Introduction (딥러닝이란?) Elements of ML Multi-layer Perceptron Model Selection CNN GNN RNN 목차 What is Deep Learning? 딥러닝(Deep Learning, DL)은 머신 러닝(Machine Learning, ML)의 일종이고, 머신러닝은 인공지능(AI)에 포함된다. 세 가지 개념을 간단히 표현해보면 아래와 같다. Artificial Intelligence : 사람의 지능이나 행동 패턴을 모방하도록 하는 것을 말한다. Machine Learning : 컴퓨터가 데이터로부터 학습할 수 있도록 하는 technique..

2022. 12. 10. 18:45

Fundamentals/AI Fundamentals

인공지능 대학원 진학 필수 지식! - 인공지능(딥러닝) 기초, 선형대수

여러 인공지능 대학원을 준비하면서 정보가 없어 너무 힘들었다. 그래도 꾸역꾸역 찾아가며 공부해서 결국 진학에 성공했는데, 그 과정에서 공부한 내용들을 키워드 기준으로 쭉 정리해보려 한다. (금방 까먹는 내용이라 본인도 연구를 하면서 계속 확인할 내용이 될 것 같다.) 각 내용에 대해 깊은 이해를 한다기 보다는 전체적으로 간단히 개념을 정리하는 Summary로 생각하자! 좀 더 자세한 설명을 원한다면, 블로그 내의 다른 글을 참조하자. 특히 알고리즘에 대한 내용은 요약 내용에서 뺐는데, 다른 포스팅에 상세하게 내용을 정리해 두었다. 목차 인공지능(딥러닝) 기초 Supervised Learning, Unsupervised Learning, Self-supervised Learning, Semi-supervi..

2022. 8. 17. 17:33

Fundamentals/AI Fundamentals

[기초 수학] Statistics Fundamentals (4)

통계학은 인공지능과 겹치는 부분이 매우 많고, 쉬운 개념도 잊기 쉽다. 매우 기초적인 지식은 알고 있다고 가정하고, 머신러닝을 수행하기 위한 내용을 공부해보자. 학부 과정에서 배운 확률과 통계, 데이터마이닝 내용과 책 'Mathematics for Machine Learning'을 참고했다. 목차 7. Gaussian Distribution 가우스 분포는 정규분포(Normal Distribution)라고도 불릴 만큼, 연속형 자료의 분포를 표현하는 데 많이 사용되는 분포이다. \( \forall X = \text{continuous random variable} \) \( \exists f : \text{probability density function} \) \( f(x) = \frac{1}{\sqr..

2022. 5. 19. 20:17

Fundamentals/AI Fundamentals

[기초 수학] Statistics Fundamentals (3)

통계학은 인공지능과 겹치는 부분이 매우 많고, 쉬운 개념도 잊기 쉽다. 매우 기초적인 지식은 알고 있다고 가정하고, 머신러닝을 수행하기 위한 내용을 공부해보자. 학부 과정에서 배운 확률과 통계, 데이터마이닝 내용과 책 'Mathematics for Machine Learning'을 참고했다. 목차 5. 확률 변수의 기댓값(Expected Value) 및 분산(Variance) 기댓값과 분산은 앞선 포스팅에서 평균과 분산을 설명할 때 말했듯이, 데이터를 표현하기 위해 중요한 값이다. 기댓값(Expected Value, \(E\))은 각 사건이 벌어졌을 때의 이득과 그 사건이 벌어질 확률을 곱한 것을 전체 사건에 대해 합한 값이다. 이는 마치 어떤 확률적 사건에 대한 평균, 특히 '모평균'의 의미로 사용될 ..

2022. 5. 18. 17:56