머신러닝2 In-database로 시작하는 머신러닝 작년(2021년)에 방학 특강으로 들었던 머신러닝 캠프. 현재는 잘 기억이 나진 않지만, 그 때 열심히 적어두었으므로 노션에서 옮겨 적으며 필수 적인 요소들을 다시 정리해봐야 겠다. 아래는 노션 링크를 첨부해두었다. 머신러닝과 in-database 자료구조, 알고리즘이 중요한 이유는 실제 상황에서는 이를 바로바로 적용해서 코딩을 해야 하기 때문임. 다양한 알고리즘을 공부하는 것은 연구 목적이고, 창업이나 제품 기획에서는 별로 중요하지 않고 적용하는 것만 중요함. 내부가 어떻게 구현되어 있는지는 딱히 중요하지 않을 수도 있음. 강의의 특징 나무보다는 숲을 이해하기 실습을 통한 이해 자유로운 질의와 토론 노션 In-database로 시작하는 머신러닝 A new tool for teams & individua.. 2022. 8. 4. Part 1. 머신러닝을 위한 최소한의 수학/통계 (CH 04_ 확률) 목차 통계의 경우 오랜 시간동안 배워야 하기 때문에 확률과 정보이론에 관한 내용을 위주로 공부할 예정 4-1. 확률 1. random experiments - 주사위, 외부 상황에 시시각각 바뀌기 때문에 랜덤하다고 생각할 수 있음. - 로또나 도박과 뗄 수 없음. ( deterministic) 2. sample space - 1에서 얻을 수 있는 모든 원소들의 집합. - descrete한 샘플 들의 집합. - 이 모든 확률들을 sample space라고 정의할 수 있음. 3. outcomes - sample space가 가지고 있는 원소 4. events - outcome에서 조건을 넣은 경우 - 우리가 가지고 있는 sample space의 subset이라고 말할 수 있음. 5. probabilities.. 2022. 7. 12. 이전 1 다음
