wellcome_공부일기

* 해당 글은 coursera의 Machine Learning by Andrew Ng 강의를 토대로 작성되었습니다. 1. 우리는 어떻게 파라미터 Θ값을 설정해야 할까? 2. Θ값에 따른 예시들 3. Θ에 어떤 값을 넣어야 데이터를 잘 측정할 수 있을까? 4. Summary 1. 우리는 어떻게 파라미터 Θ값을 설정해야 할까? 가설(Hypothesis)은 함수로, 우리가 알아야 할 것은 어떻게 데이터를 잘 예측하는 함수를 만들 수 있을까?로, 즉 어떻게 가설의 2개 파라미터, Θ0과 Θ1를 고를 것이냐는 것과 같은 고민이라고 할 수 있습니다. - 비용함수를 사용하면 주어진 데이터에 가장 가까운 일차함수 그래프를 알아낼 수 있다 - 가설에서 어떻게 Θ0과 Θ1 값을 선택하느냐에 따라 다른 가설들이 만들어질 수..

* 해당 글은 coursera의 Machine Learning by Andrew Ng 강의를 토대로 작성되었습니다. 2. Model and Cost Function - Model Representation 1. 모델 구성(Model Representation) 살펴보기 - 주택 가격 예측 2. 데이터셋/학습셋의 표기법(dataset/training set notation) 3. 훈련집합을 통한 지도학습 알고리즘 과정 4. Summary 1. 모델 구성(Model Representation) 살펴보기 - Portland의 주택 가격 데이터로 집세를 예측 데이터 모형이 일직선을 맞춰볼 수 있는데, 이 선에 근거해서 집을 220K에 팔 수 있다고 말해줄 수 있다. -> 지도 학습 알고리즘의 예시 이를 지도 학..

* 해당 글은 coursera의 Machine Learning by Andrew Ng 강의를 토대로 작성되었습니다. 1. Introduction- Unsupervised Learning 1. Unsupervised learning이란? 2. Unsupervised learning 예 3. Unsupervised learning QUIZ 4. Summary 1. Unsupervised learning이란? 어떤 레이블도 갖고 있지 않거나, 모두 같은 레이블을 갖고 있거나,또는 아예 레이블이 없는 상태 그래서 우리에게 주어진 데이터 집합에 우리는 이것으로 무엇을 할지, 또 각 데이터가 무엇인지 알 수 없습니다 "여기 데이터가 있는데, 여기서 어떤 구조를 찾을 수 있지?" "여기 데이터가 엄청 있는데 우선적으..

* 해당 글은 coursera의 Machine Learning by Andrew Ng 강의를 토대로 작성되었습니다. 1. Introduction - Supervised learning 1. Housing price prediction 문제 예시 - Supervised learning :: regression problem(회귀문제) 2. Breast cancer 문제 예시 - Supervised learning :: clasiffication problem(분류문제) 3. Supervised learning QUIZ 4. Summary 1. Housing price prediction 문제 예시 - 데이터를 수집한 것으로 데이터 집합을 위 표와 표현한 것을 도식화라고 함 - 가로 축에는 서로 다른 주택의..

* 해당 글은 coursera의 Machine Learning by Andrew Ng 강의를 토대로 작성되었습니다. 1. Introduction - What is Machine Learning? 1. 기계학습의 정의/역사 2. Mitchell 이론에 따른 QUIZ 3. 다양한 학습 알고리즘의 존재 1. 기계학습의 정의/역사 아직 기계학습의 명확한 정의는 전문가들 사이에서도 정의되지 않음 Machine Learning definitiom - Arthur Samuel(1959). Machine Learning : Field of study that gives computers the ability to learn without being explicitly programmed 체커 게임을 컴퓨터가 수 만번 ..

* 해당 글은 coursera의 Machine Learning by Andrew Ng 강의를 토대로 작성되었습니다. 1. Introduction- Welcome 1. 다양한 곳에서의 학습 알고리즘 사용 2. Machine Learning이란? 3. Machine Learning의 예 1. 다양한 곳에서의 학습 알고리즘 사용 구글이나 Bing에서 검색을 할때 웹검색 엔진을 사용 - 검색엔진들이 검색을 잘 하기 위해서 학습 알고리즘 사용 - 이 알고리즘을 사용하여 구글이나 마이크로소프트에서 웹페이지들을 랭크 페이스북 애플의 사진 어플리케이션 이용- 자신과 친구 인식 -> 기계학습 이메일을 사용할 때, 스팸필터가 스팸 메일을 구분하는것 -> 학습 알고리즘 ※ 인공지능 연구자들의 목표 : 수많은 인공지능 연구자..