Fundamentals 검색 결과

52 개의 검색 결과가 있습니다.

Fundamentals

ML and DL - Section 4 : Linear Regression

→ Linear Predictor Function 사용, dependent variable y와 independent variable(s) x 존재 → Dataset 필요! → Supervised Learning 1. Simple Linear Regression single variable x (vector) x를 알고 있을 때, y값을 예측하고 싶은 경우 2. Multiple Linear Regression multiple variables x (vectors) x_1, x_2... 등의 독립변수를 알고 있을 때, y값을 예측하고 싶은 경우 3. Linear Regression의 목표 : features간의 선형적 관계를 찾음 H(x) : Dependent Variable (what we are try..

2020. 12. 31. 16:03

Fundamentals

ML and DL - Section 3 : Artificial Intelligence Basics

● What is AI good for? Heavy AI : Machine Learning or Neural Networks Optimization (최적화) : Search Algorithms Graph Algorithms : Breadth-first search(너비 우선 탐색), depth-first search(깊이 우선 탐색), A* search Heuristics and Meta-Heuristics 1. Robotics : 낯선 환경에서 로봇이 어떻게 움직일 것인가? (ex : exploration robots on Mars) 2. Optimization Problem : 대략적 solution으로 훨씬 빠르게 문제 해결 3. Games : (거의) 완벽한 플레이어를 만들 수 있음 (ex : ..

2020. 12. 25. 04:52

Fundamentals

ML and DL - Section 2 : Environment Setup

1. Python : 프로그래밍 언어 (Python Interpreter) - 파이썬 사이트에서 다운로드 받음 2. PyCharm : IDE (Integrated Development Environment) - 파이참 사이트에서 다운로드 받음 3. Keras : Powerful open-source neural network library (written in Python), Tensorflow, R or Theano에서 실행 가능 - 파이참 내부 설정 (windows - setting, mac - preferences)에서 다운로드 받음

2020. 12. 25. 03:40

Fundamentals

ML and DL - Section 1 : Introduction

강의 : udemy (https://www.udemy.com/course/introduction-to-machine-learning-in-python/) Course Flow 1. Fundamental basics 2. Linear Regression & Logistic Regression 3. K-Nearest Neighbor Classifier 4. Naive Bayes Classifier 5. SVMs (Support Vector Machines) 6. Decision Trees 7. Random Forest Classifier 8. Boosting (Computer Vision Algorithm) 9. Principal Component Analysis (PCA) 10. Clustering Alg..

2020. 12. 25. 03:34