시리즈

🔮머신러닝

1.[인공지능개론]인공지능의 역사 - 머신러닝(ML), 딥러닝(DL), 인공지능(AI), 한계와 문제점)

2022학년도 1학기 전문기초교양으로 수강했던 인공지능개론 수업은 머신러닝과 딥러닝의 역사, 파라미터를 최적화하는 수학적 원리 등을 거시적으로 배울 수 있었던 귀중한 시간이 되었습니다. 딥러닝과 신경망 모델에 대해 공부하며 튼튼한 토대가 될 해당 수업을 다시한번 복

2022년 7월 2일

2.[머신러닝(ML)]머신러닝 개요-머신러닝 정의, 종류(지도, 비지도), ML Techniques, 회귀, 분류, 군집화, 연관 규칙

Mitchell의 정의에 의하면 머신러닝은, 작업 T를 수행하기 위한 경험 E로부터 획득한 데이터를 기반으로 모델을 자동으로 구성하여 성능 P를 향상시킬 수 있는 컴퓨터 프로그램이다.

2022년 10월 18일

3.[머신러닝(ML)]단순선형회귀(Simple Linear Regression)-최소 제곱법(OLS), 확률적 경사하강법(SGD), RSS, 사이킷런(Sklearn) 실습

단순 선형 회귀 알고리즘을 학습합니다. 사이킷런(Sklearn) 라이브러리를 사용하여 실습을 진행하고, 최소 제곱법을 손실 함수로 차용하여 해결하는 방법 하나와 확률적 경사하강법(SGD)을 적용시켜 모델을 학습하는 방법 두가지를 살펴봅시다.

2022년 10월 18일

4.[머신러닝(ML)]다중선형회귀(Multiple Linear Regression)-원 핫 인코딩, 다중 공선성, 회귀 모델 평가지수(MAE, MSE, RMSE, R square), 사이킷런(Sklearn) 실습

다중 선형 회귀는 하나의 모델 안에 독립 변수가 여러개일 수 있습니다. 여러 독립변수를 함께 고려한 종속 변수를 예측하기 때문에 단순 선형회귀보다는 더 좋은 성능을 기대할 수 있습니다.

2022년 10월 20일