내용 기반 필터링(content-based filtering : CB)협업 필터링(collaborative filtering: CF)메모리 기반(memory-based)사용자 기반아이템 기반모델 기반(model-based) → MF 방식지식 기반 필터링(knowledg

Optimization (최적화) 최적화를 다들 골짜기에서 밑 바닥을 찾는 과정이라고 비유한다. 내가 있는 곳의 높이가 바로 loss이고, loss는 W에 따라 변하게 되는데 iterative한 방법들을 쓴다. 이는 임의의 지점에서 시작해 점차적으로 성능을 향상시키는

L2 regression과 L1 regression Linear classification의 관점에서 w1와 w2는 같음. 내적은 같기 때문이다. 그러나 L2 regression은 w2를 더 선호할 것이다. 왜냐면 L2 regression에서는 w2가 더 norm이

Image Classification에 대해 알아보자

1. introduction - CV의 역사 1-7. 540million years, B.C. 이후 동물이 급격히 많아짐 -> evolution of vision의 중요성 1-8. 르네상스 1600s. camera obscura 1-9. 50s~60s visual p

타입 확인하기 변수 타입 변경하기데이터 요약

df.isnull() df.isnull().sum() df.isna() \`\`\`

shift+enter =>셀 실행+ 커서 다음셀 이동enter 다시 누르기 => 다시 편집상태로 돌아옴esc+a => 위에 셀 추가esc+b => 밑에 셀 추가esc+dd => 셀 삭제esc+m => 마크다운으로 셀 변경ecs+y => 코드로 셀 변경

맥에서 elastic search 설치하기!

git 기본 코드 공부!