einforcement learning introduction + State-action value function + Continuous state spaces
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 15주차에 학습한 내용에 대해 간략하게 정리해 보았다.
Collaborative filtering+ Recommander systems implementation detail + Content-based filtering + Principal Component Analysis
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 14주차에 학습한 내용에 대해 간략하게 정리해 보았다.
머신러닝 개발 조언, 편향과 분산, 개발 프로세스, 불균형 데이터셋
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 11주차에 학습한 내용에 대해 간략하게 정리해 보았다.
Additional Neural Network Concepts + Back Propagation
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 10주차에 학습한 Additional Neural Network Concepts ,Back Propagation에 대해 간략하게 정리해보았다.
Neural Network Training, Activation Functions, Multiclass Classification
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 9주차에 학습한 Neural Network Training, Activation Functions, Multiclass Classification에 대해 간략하게 정리해보았다.
파이썬에서의 Neural Network 구현과 AGI, 행렬
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 7주차에 학습한 Neural Network와 AGI,행렬에 대해 간략하게 정리해보았다.
신경망(Neural Network)과 딥러닝의 이해
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 6주차에 학습한 신경망과 딥러닝에 대하여 간략하게 정리해보았다.
로지스틱 회귀에서의 경사하강법과 오버피팅의 문제
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 5주차에 학습한 경사 하강법과 오버피팅에 대하여 간락하게 정리해보았다.
로지스틱 회귀분석과 기능함수
1. 로지스틱 회귀의 개요 로지스틱 회귀(Logistic Regression)는 이진 분류(binary classification) 문제를 해결하는 데 널리 사용되는 지도 학습 알고리즘 출력값이 연속적인 수치가 아닌 0 또는 1과 같은 범주형 값을 가질 때 사용됨 시그모이드 함수를 활용하여 예측값을 확률 형태로 출력 2. 분류 문제와 결정 경계 분류(...
다중 선형 회귀 분석과 경사하강법
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 3주차에 학습한 다중 회귀 모델과 경사 하강법에 대하여 간락하게 정리해보았다.
회귀 모델과 경사하강법 정리
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 2주차에 학습한 회귀 모델과 경사 하강법에 대하여 간락하게 정리해보았다.
머신러닝 정리
아주대학교 파란학기-MOOC의 학습 과정과 내용을 기록하였다. 1주차에 학습한 머신러닝의 기초와, 지도/비지도 학습에 대하여 간락하게 정리해보았다.
연구일지 #1
1.연구 개요 콘텐츠 업데이트가 RPG 게임 산업의 유저 잔존율에 미치는 영향을 분석하고자 한다. 2.데이터 수집 본 연구를 진행함에 있어서, 전체 캐릭터를 대상으로 분석을 진행할 경우 많은 어려움이 있을 것으로 예상된다. > 전체 캐릭터의 수 : 63,901,683