[Machine Learning]
1.[Machine Learning] Probability Theory(1)
기계학습에 사용되는 기초적 확률 이론에 대해 알아보았습니다.
2024년 12월 27일
2.[Machine Learning] Probability Theory(2)
확률 이론, 베이즈 정리와 다양한 단변량 확률 분포(Univariate distribution)에 대해 알아보았습니다.
2024년 12월 27일
3.[Machine Learning] Probability Theory(3)
다변량 확률 분포(Multivariate distribution)과, 기계 학습에서 유용하게 쓰이는 Multivariate Gaussians의 특성과 정리 등에 대해 알아보았습니다.
2024년 12월 27일
4.[Machine Learning] Probability Theory(4)
기계학습에서 유용하게 사용되는 지수족(Exponential Family)과, 널리 알려진 분포의 지수족 형태로의 변환에 대해 알아보았습니다.
2024년 12월 27일
5.[Machine Learning] Statistics(1) - Maximum Likelihood Estimation(MLE)
통계학의 기본적 관점과 가장 널리 사용되는 추정인 MLE(Maximum Likelihood Estimation, 최대 가능도 추정, 최대 우도 추정)에 대해 알아보았습니다.
2024년 12월 27일
6.[Machine Learning] Statistics(2) - Maximum a Posterior estimation(MAP)
가장 널리 사용되는 추정 중 하나인 MAP(Maximum a Posteriori, 최대 사후 확률 추정)에 대해 알아보았습니다.
2024년 12월 27일
7.[Machine Learning] Linear Regression(1) - Concepts, Derivations
최소제곱법(Ordinary Least Squares)과 선형 회귀(Linear Regression), 가중 최소제곱법(Weighted Least Squares)과 가중 선형 회귀(Weighted Linear Regression) 모델에 대해 알아보았습니다.
2025년 1월 2일