AI_Mathematics

벡터는 숫자를 원소로 가지는 list 또는 array.공간에서의 한 점을 나타냄원점으로부터 상대적 위치를 표현함벡터에 숫자(scalar 값)을 곱해주면 길이만 변함. 즉, 방향은 변하지 않음.벡터끼리 같은 모양을 가지면 덧셈, 뺄셈을 계산할 수 있음.벡터끼리 같은 모양

행렬(matrix)는 벡터를 원소로 가지는 2차원 배열행(row)과 열(column)으로 이뤄져있음행렬의 특정 행(또는 열)을 고정하면 행(또는 열)벡터행렬의 행벡터 x\_{i}는 i번째 데이터행렬의 x\_{ij}는 i번째 데이터의 j번째 변수의 값행렬끼리 같은 모양을

미분(differentiation)은 변수의 움직임에 따른 함수값의 변화를 측정하기 위한 도구

모델의 출력을 확률로 해석할 수 있게 변환해주는 연산출력물의 모든 값을 고려함분류(classification) 문제를 풀 때 선형모델과 softmax 함수 결합하여 특정 vector가 어떤 class에 속할 확률 예측softmax(o) = softmax(Wx+b)추론을

딥러닝은 확률론 기반의 기계학습 이론에 바탕기계학습에서의 손실함수(loss function)들의 작동 원리는 데이터 공간을 통계적으로 해석해서 유도 - 예측이 틀릴 위험을 최소화하기 위해회귀 분속에서 손실함수로 사용되는 L2-norm은 예측오차의 분산을 가장 최소화하는

통계적 모델링은 적절한 가정 위에서 확률분포를 추정(inference)하는 것이 목표유한한 개수의 데이터에서 관측하여 정확하게 알아내는 것은 불가능하므로, 근사적으로 확률분포를 추정해야데이터가 특정 확률분포를 따른다고 선험적으로(a priori) 가정한 후, 그 분포를

맛 엄청 보네사건 B가 일어난 상황에서 사건 A가 발생할 확률 P(A∩B) = P(B)P(A|B)베이즈 정리는 조건부확률을 이용하여 정보를 갱신하는 방법을 알려줌COVID-99의 발병률이 10%라고 하자. COVID-99에 실제로 걸렸을 때 검진될 확률은 99%, 실제

Convolution 연산은 Kernel을 입력벡터 상에서 움직여가면서 선형모델과 합성함수가 적용되는 구조 \- 고정된 커널을 입력벡터 상에서 움직여가면서 계산 적용 \- 활성화 함수를 제외한 Convolution 연산도 선형변환에 속함 \- kernel이

소리, 문자열, 주가등의 데이터를 시퀀스 데이터로 분류시퀀스 데이터는 독립동등분포(i.i.d) 가정을 잘 위배하기 때문에, 순서를 바꾸거나 과거 정보에 손실이 발생하면 데이터의 확률분포도 바뀜 \- 개가 사람을 물었다 / 사람이 개를 물었다이전 시퀀스의 정보를 가지고