Fintecuriosity

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 김승룡 교수님의 강의를 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. ◎ 항등, 단위행렬 (Identity Matrix) - 항등행렬은 행렬안에 1값이 대각선으로 위치해있습니다. - 항등행렬은 행렬의 크기가 달라져도 사진에 보는 것 처럼 consist하게 1이 대각선으로 나란히 존재합니다. - 행렬 곱셈은 행렬 덧셈을 하는 것보다 계산에 잇어 훨씬 어렵습니다. - 위의 식에서 행렬의 차원이 올라가면 올라갈수록 좌변을 계산하는 것이 우변보다 더 힘듭니다. ◎ 선형 방정식 (Linear equation) - 위와 같은 선형방정식들은..

이번 글의 내용은 고려대학교 컴퓨터공학과 김승룡 교수님의 강의를 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. ◎ 합성곱 신경망 (Convolutional Neural Network) - CNN은 딥러닝에서 fundamental한 요소입니다. - CNN(합성곱 신경망)은 Tensor들로 이루어져 있습니다. - CNN 모델 중 유명한 모델은 VGG Net (ICLR 2016)과 Res Net (CVPR 2016, Best paper award)이 있습니다. A) VGG Net - Image는 tensor로 이루어져 있는데, VGG net은 224*224 차원* 3 cha..

이번 글의 내용은 고려대학교 컴퓨터공학과 김승룡 교수님의 강의를 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. 먼저 선형대수와 확률론에 대해서 배우기전에 저는 이런 생각을 했습니다. 그냥 코딩만 할 줄 알고 라이브러리만 잘 가져와서 필요한 기능만 잘쓰면 머신러닝 알고리즘을 잘쓸 수 있지 않을까? 굳이 수학을 다시 배우는 것이 시간적인 측면에서 효율적일까? 위 2가지 생각은 제 주관적 생각이므로 무시하셔도 무방합니다. 그러면 왜 머신러닝을 하는데 있어서 선형대수를 배워야 할까요? (아래에 https://opentutorials.org/에서 머신러닝에서 선형대수가 하는 역..

이번 글의 내용은 고려대학교 컴퓨터공학과 김승룡 교수님의 강의를 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. 첫 패턴인식 수업에서는 첫 강의에 진행하는 OT를 기반으로 전반적인 개요와 class structure, course outlook 등을 말씀해 주셨습니다. 제가 처음에 떠올린 Pattern Recognition 개념은 주로 컴퓨터 비전에서 혹은 연관성있는 규칙과 패턴을 찾아내는 task가 있을 것이란 막연한 생각을 하였습니다. 하지만 대학원 입학 후에 여러가지 머신러닝, 딥러닝 등의 공부를 하며 통계적 기반의 Pattern Recognition도 있다는 사실..