인공지능

인공지능과 머신러닝 그리고 딥러닝 이 세가지의 각 특징을 살펴보며 차이점을 이해하고 기본적인 선형회귀에 대한 개념을 정리하였습니다.

Binaray Classification의 개념과 Logistic Regression의 5개 step을 학습한 기록입니다.

Linear Regression을 구현해보며 가설설정과 경사하강법을 익혔습니다.

Gradient Descent 를 optimize 함수를 사용하지 않고 직접 Linear Regression을 구현해본 과정을 정리했습니다.

Feature가 여러개인 Multivatiate Linear Regression을 학습하고 정리해봤습니다.

새로운 방법론이 나온 이유와 또 그 방법론의 단점에의해 또 다른 방법론이 도출됐다라는 이러한 스토리라인업을 이해하고 있으면 좀 더 인공지능을 이해하고 기억하는데에 도움이 될 것 같아 그동안 배웠던 범위까지 복습하고 정리하였습니다.

기존의 모델에서 Multi-Classification을 하기 위해 생기는 문제점들을 발견하고 해결하는 과정들을 이해할 수 있었습니다.

Logistic Regression을 접목시켜 Binary Classification을 구현하였고, 더 나아가 Multi-Classification을 구현해보는 것 까지의 과정들을 기록하였습니다.

Learning rate와 정규화의 중요성을 배워보았으며Overfitting이 무엇인가에 대해 이해하고 이 문제의 해결방법을 정리해봤습니다.

그동안 선형회귀, 선형분류라는 모델을 이용해서 머신러닝 기법들을 알아보았는데요. 이제는 또다른 형태인 Neural Network(NN)을 알아보며 또 어떻게 이것이 Deep Neural Network(DNN)이 되었는지에 대해서 정리하였습니다.