Introduction

앞으로 Stanford 대학교에서 2018년 가을 학기에 진행된 Andrew Ng 교수님의 머신러닝 강의 CS229 내용을 정리해서 포스팅하려고 합니다.

이 강의는 머신러닝 입문 강의로 알려져 있지만, 특이하게도 선수과목이 전부 수학입니다. 그만큼 수학적인 인사이트를 매우 중요하게 여기며, 다른 AI 관련 강의들과 비교해도 머신러닝에서 실제로 사용되는 수학을 깊이 있게 다루는 것이 특징입니다.

특히 5강부터 등장하는 확률 생성 모델(probabilistic generative models)은, 이미 GAN과 VAE 같은 모델들을 공부해본 입장에서도 개념을 정확히 이해하기가 쉽지 않다는 걸 느꼈습니다. 그래서 이번에는 그 내용을 글로 설명할 수 있을 정도로 제대로 공부해보려고 합니다.

다만, Lecture마다 단원이 깔끔하게 떨어지지 않고 조금 뒤죽박죽인 부분들을 명쾌하게 풀이하고자 단원 별로 개념을 묶었습니다. 이 점을 참고하시길 바랍니다.

이 정리 노트가 여러분에게는 쉽게 이해할 수 있는 자료가 되고, 저에게는 복습과 개념 정리의 기회가 되는, 말 그대로 꿩 먹고 알 먹고, 도랑 치고 가재 잡는 글이 되었으면 합니다.

궁금하신 점은 언제나 환영입니다.
오늘도 반짝이는 하루 되세요.