ML
1.[Paper Review] XGBoost: A Scalable Tree Boosting System(1)
ML에 대한 공부를 하면서 느낀 점은 기본서만으로 모델을 정확히 이해하기에는 한계가 있다는 것이다. 또한 그저 패키지를 불러오고 하이퍼 파라미터들을 입력하는 것은 누구나 할 수 있는 쉬운 작업이기 때문에 차별화 혹은 더 성장하기 위해선 추가적인
2.[ML] Bayesian Network
본 포스트는 서울대학교 데이터사이언스를 위한 머신러닝 및 딥러닝 2 이상학 교수님 수업과 수업 자료를 기반으로 작성하였습니다. 원래는 xgboost 논문의 내용을 이어 작성하려 했지만 오늘 수업을 듣고서 복습을 안하고선 따라갈 수 없겠다는 생각이 들어 작성하게
3.[ML] Gaussian Mixture Model
본 포스트는 서울대학교 데이터사이언스를 위한 머신러닝 및 딥러닝 2 이상학 교수님 수업과 수업 자료를 기반으로 작성하였습니다. MLDL2 2번째 강의에서는 오늘 포스트의 주제인 Gaussian Mixture Model에 대해 배웠다. 저번 Bayesian Ne
4.[ML] Hidden Markov Models
본 포스트는 서울대학교 데이터사이언스를 위한 머신러닝 및 딥러닝 2 이상학 교수님 수업과 수업 자료를 기반으로 작성하였습니다. 이번 포스트는 MLDL 2의 2번째 강의와 3번째 강의에서 다룬 내용인 Hidden Markov Models에 관
5.[ML] Markov Random Fields and Conditional Random Fields
본 포스트는 서울대학교 데이터사이언스를 위한 머신러닝 및 딥러닝 2 이상학 교수님 수업과 수업 자료를 기반으로 작성하였습니다. \*\*무단 베포 금지\*\* 그동안 MLDL2의 수업의 흐름을 되짚어 보면 실제의 확률 분포를 그래프를 통해 해석하려는 Bayesia