Jost Do It!

Chapter 06. 비지도 학습 알고리즘 요약 비지도 학습의 여러 알고리즘들을 학습하고 어떻게 활용되는지 알 수 있었다. 내용 정리 6-1. 비지도 학습 이해하기 비지도 학습 (Unsupervised learning) 데이터에 내재된 패턴을 발견하고 이를 구조화하는 프로세스 데이터가 무작위로 생성된 것이 아닌 이상, 다차원의 공간에서 데이터 요소 간에는 어떤 패턴이 존재한다. 비지도 학습은 숨겨진 패턴을 찾아내 데이터셋에 구조를 부여하는 과정이다. 지도 학습과 비지도 학습을 결합해 새로운 알고리즘을 개발하려는 연구자들이 늘고 있다 (semi-supervised learning). 비지도 학습의 장점 정답이 주어져 있지 않기 때문에 분석이 훨씬 유연해 가정(assumption)에 덜 의존적임 어떤 차원의..

CS230 Deep Learning Lecture 3. Full-Cycle Deep Learing Projects 강의영상 이번 강의는 회사 단위에서 큰 딥러닝 프로젝트에서 ML 모델을 어떻게 학습하는지에 대해 다루었다. Ng 아저씨가 강의를 진행했고, 슬라이드 없이 판서로 진행하셨다. (Ng 아저씨는 강의노트보다는 판서가 편하신듯) 좋은 딥러닝(DL) 전문가가 되려면? Interest Data Domain Knowledge: 특정 분야의 도메인 지식은 해당 분야에 unique한 기여를 불러올 수 있다. 도메인 지식과 딥러닝 지식은 양자 택일의 문제가 아니라 같이 가져가야 할 문제이다. Utility Feasibility: 딥러닝으로 현실적으로 실현 가능한 것과 실현 불가능한 것을 구분할 수 있어야한다...

CS230 Deep Learning Lecture 2. Deep Learing Intuition 강의노트 강의영상 이번 강의는 제목처럼 딥러닝에 대한 직관을 끌어내려 하였다. 수식도 일부 있었지만, 주요점은 어떤 문제를 풀 때 어떻게 딥러닝을 적용하는 것이 좋은가? 에 초점을 두었다 생각한다. 주요 슬라이드별로 내용을 정리하려 한다. Lecture 2 소개 이번 강의는 AI project를 진행할 때 의사결정을 어떻게 할 것인지를 주로 다루었다. 특히 아래의 4가지 How To에 대해 설명하였다. Collect: 데이터를 어떻게 모을 것인가? Label: 데이터의 라벨링을 어떻게 할 것인가? Architecture: 모델링 구조를 어떻게 설계할 것인가? Optimize: 해당 모델을 어떻게 최적화할 것인..

CS230 Deep Learning Lecture 1. Class Introduction and Logistics 강의노트 강의영상 이 강의는 Andrew Ng 아저씨랑 Kian 형님 두분이서 강의를 하신다. 봤을 때 Kian 아저씨가 대부분 이론적인 부분들을 설명하시고, Ng 아저씨는 한번씩 등장하시는 느낌이다. 그리고 강의는 온라인과 현강을 병행하는 flipped learning 방식으로 현강은 1주일에 1번만 수업을 진행했다고 한다. 온라인 강의와 현강의 내용은 다르다. 온라인 강의는 기본적인 내용을, 현강은 좀 더 deep 한 내용을 다룬다고 한다. 현강은 실제 학생들의 질문/답변도 그대로 나와서 마치 현장에서 듣는 느낌이 든다. 이 글에서는 Lecture 1에서 다뤘던 주요 내용들을 정리한다. ..