Fintecuriosity

이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. [강화학습] 강화학습의 기본 요소 이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. fintecuriosity-11.tistory.com ※ 이전 포스트에서는 강화학습은 5개의 요소로 구성이 되어있다고 말씀을 드렸습니다. 환경(Environment) 상태(State) 에이전트(Agent) 행동(Action) 보상(Reward) 그리고 바로 이전의 포스트에서는 5개의 요소..

이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. [강화학습] 강화학습의 기본 요소 이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. fintecuriosity-11.tistory.com ※ 예전 포스트에서는 강화학습은 5개의 요소로 구성이 되어있다고 말씀을 드렸습니다. 환경(Environment) 상태(State) 에이전트(Agent) 행동(Action) 보상(Reward) 그리고 바로 이전의 포스트에서는 5개의 요소..

이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. [강화학습] 강화학습의 기본 요소 이번 글의 내용은 '기초부터 시작하는 강화학습 / 신경망 알고리즘(손민규 지음, 위키북스 DS 시리즈)'의 내용을 참조 및 정리 하였으며 저의 개인적인 인사이트 또한 추가된 점을 먼저 밝힙니다. fintecuriosity-11.tistory.com ※ 지난 포스트에서는 강화학습은 5개의 요소로 구성이 되어있다고 말씀을 드렸습니다. 환경(Environment) 상태(State) 에이전트(Agent) 행동(Action) 보상(Reward) 이번 포스트에서는 5개 요소 中에서 환경(E..

이번 포스트에서는 캐글에서 import하여 쓰거나 개인 local 환경에서 쓸 수있는 딥러닝 라이브러리 및 프레임워크들의 종류에 대해서 알아보겠습니다. 주로 많이 쓰는 텐서플로우, 케라스, 파이토치 외에도 수많은 딥러닝 라이브러리들이 존재하지만 그 중에서도 인지도가 높고 연구, 개발 분야에서 많이 알려진 위주로 포함을 하였습니다. 아직까지는 Tensorflow를 제일 많이 선호하고 그림에서 또한 똑같은 결과를 확인할 수 있습니다. 하지만 최근에 Pytorch가 직관적이고 간결한 사용법을 제공하고 있어서 연구 및 개발하시는 분들께서 선호하십니다. 긴 글 읽어주셔서 감사합니다. References [1] Jung, K., (2018). Kaggle 우승작으로 배우는 머신러닝 탐구생활.

이번 글의 내용은 고려대학교 컴퓨터공학과 김승룡 교수님과 산업경영공학과 정태수 교수님의 강의 정리 및 참조하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. ◎ Probability in Machine Learning - Probability is the study of uncertainty - Probability(확률론)은 불확실성에 대해 공부하는 분야입니다. - Probability is at the heart of machine learning algorithms - 머신러닝 알고리즘에서 핵심은 확률론입니다. - Most machine learning methods involves..

이번 글의 내용은 고려대학교 컴퓨터공학과 김승룡 교수님과 산업경영공학과 정태수 교수님의 강의 정리 및 참조 하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. ◎ Eigendecomposition - decomposition of functions or numbers can tell us a lot about their properties - 숫자나 함수를 분해한 것은 그것들의 속성에 대해서 많은 것을 말해줍니다. - integers into prime factors: 12 = 2*2*3 - 정수를 소인수 분해하는 case가 있습니다. 12=2*2*3 - multiple of 12 wil..

이번 글의 내용은 고려대학교 컴퓨터공학과 이상근 교수님의 "뉴럴 모델을 이용한 자연어 처리" 저서를 참조 하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. NLP 분야에서는 오래 전부터 컴퓨터에 인간의 언어를 이해시키는 방법을 연구했습니다. 인간의 언어를 자연스럽게 이해할 수 있는 컴퓨터가 있다면 인간이 할 수 있는 수많은 일을 컴퓨터가 수행할 수 있을 것이라고 판단하였습니다. 가장 쉬운 방법으로, "인간의 언어 사전을 그대로 컴퓨터에 넣어서 활용해 보자!"는 아이디어를 떠올릴 수 있습니다. 학자들은 이 아이디어를 조금 더 발전시켜서, 인간의 단어 중 동의어와 유의어의 관계, 상/하위 ..

자연어 처리라는 분야는 최근 챗봇, AI 스피커등이 일상에서 많이 활용됨으로 인해서 화두가 되기 시작하였습니다. 그리고 또한 사람이 말하는 언어, 즉 자연어를 컴퓨터가 이해하는 task를 크게 Natural Language Processing(NLP)라고 저번 포스트에서 설명했습니다. 이러한 자연어 처리는 엄밀히 보면 컴퓨어 처리라는 분야는 최근 챗봇, AI 스피커등이 일상에서 많이 활용됨으로 인해서 화두가 되기 시작하였습니다. 그리고 또한 사람이 말하는 언어, 즉 자연어를 컴퓨터가 이해하는 task를 크게 Natural Language Processing(NLP)라고 저번 포스트에서 설명했습니다. 이러한 자연어 처리는 주로 컴퓨터 공학과나 인공지능학과에서 수업을 들을 수 있습니다. 위의 사진은 고려대학..

이번 글의 내용은 고려대학교 컴퓨터공학과 이상근 교수님의 "뉴럴 모델을 이용한 자연어 처리" 저서를 참조 하였음을 먼저 밝힙니다. (다른 참조한 논문과 자료들은 아래에 기재되어 있습니다.) 혹시 제가 잘못 알고 있는 점이나 보완할 점 있다면 댓글로 알려주시면 감사하겠습니다. 컴퓨터가 인간의 언어로 구성된 텍스트를 처리할 수 있게 하려면, 먼저 컴퓨터에게 단어와 어절, 문장으로 이루어진 인간의 언어에 대한 이해가 선행되어야 합니다. 인간이 언어를 이해하는 방식과 컴퓨터가 언어를 이해하는 방식에는 차이점이 있습니다. 언어는 인간에 의해서 만들어지고, 인간에 의해 변형되고 발전하며 소멸합니다. 그렇기 때문에 언어는 매우 유연하여 같은 뜻을 여러가지의 문장으로 표현 가능하며, 시간에 따라 생겨나고 사라지는 표현..

최근에 데이터 사이언스 분야로 커리어를 변경 하시려는 분 들이나 이미 ML, DL 엔지니어로 현업에 계시는 분들까지 캐글에 대해서 한번 쯤은 들어보셨거나 익숙하실 것이라고 생각합니다. 이 포스트는 캐글의 유래와 특징에 대하여 설명하는 포스트입니다. 이미 익숙하신 분들은 재미로 읽어주시면 좋을 것 같습니다. 캐글은 2010년 4월에 설립된 공공 및 기업 데이터를 활용하여 문제를 해결하는 머신러닝 경진대회 플랫폼입니다. 주로 캐글에서는 데이터 분석을 하는 task가 메인인데 주로 머신러닝, 딥러닝 방법론들을 사용하여 문제를 해결합니다. 많은 분들이 데이터 사이언스 분야에 처음 입문하실 때 접하는 것이 캐글의 "타이타닉 생존자 예측" 경진대회로 연습을 하십니다. 캐글에서 주어지는 문제들은 주로 기업이나 단체가..