![]()
# Computational Graph 구현하기 # Placeholder # Everythins is Tensor Tensor Ranks, Shapes, and Types # Prediecting exam score: regression x (hours) y (score) 10 90 9 80 3 50 2 30 Regression (data) (Linear) Hypothesis H(x) = Wx + b (H(x) : 가설) # Cost function 우리의 데이터와 얼마나 다른가 H(x) - y # 좋은 모델은 아님 ( H(x) - y) ^2 # 보통은 제곱을 함 각각의 우리가 가정해서 예측한 값과 실제 값의 차이의 값을 제곱한 것을 개수만큼 더해서 m 개로나눔 (m : 학습 데이터의 개수)
# Machine Learning 컴퓨터에 명시적으로 프로그래밍 되지 않고 학습할 수 있는 기능을 제공하는 연구 분야 - Arthur Samuel (1959) 명시적 프로그래밍의 한계 - 스팸 필터: 많은 규칙 - 자동 운전: 너무 많은 규칙 # Supervised/Unsupervised learning : 학습하는 방법에 따라 나뉨 Supervised learning : 레이블링된 예제로 학습 - 정해진 데이터 (trainig set) Unsupervised learning : 레이블링 되지 않은 데이터 - google news grouping - word clustering 강의에서는 Supervised learning 을 주로 다룰 예정 Supervised learning Most common pr..
[인프런] 모두를 위한 딥러닝 - 기본적인 머신러닝과 딥러닝 강좌 - Sung Kim (김성훈 교수님) e-mail : hunkim+ml@gmail.com Schedule Machine Learing basic concepts Linear regression Logistic regression (classification) Multivariable (Vector) linear/logistic regression Neural networks Deep learning CNN RNN Bidirectional Neural networks 참고 자료 Andrew Ng’s and other ML tutorials https://class.coursera.org/ml-003/lecture http://www.hole..
