# ML
[Google GCP]Professional Machine Learning Engineer Sample Questions 풀이
Professional Machine Learning Engineer Sample Questions 문제 풀이
[ ML ] Validation
머신러닝 모델의 성능을 평가하는 방법은 다음과 같이 두가지로 나눌 수 있다.hold-out validationk-fold cross validationhold-out은 data set을 training set과 test set으로 분리하는 것이다. 예를들어 data s
[ ML ] 서론
머신러닝은 어떤 데이터를 분류하거나, 값을 예측하는 것이다. 그리고 데이터의 값을 잘 예측하기 위한 데이터의 특징들을 feature라고 부른다.머신러닝의 학습 방법은 다음과 같이 3가지로 분류된다.Supervised LearningUnsupervised Learnin
[ ML ] K - Nearest Neighbor
지도 학습 알고리즘새로운 데이터를 입력 받았을 때, 가장 가까이 있는 것이 무엇이냐를 중심으로 새로운 데이터의 종류를 정해주는 알고리즘최근접 알고리즘은 위의 그림에서 물음표(?)에서 가장 가까운 데이터가 파란색 원이기 때문에 물음표도 파란색 원이라고 판단한다.하지만 가
IBM Watson 신경망 기계 번역-1
신경망 기계 번역 이전편에서 예고한 대로 Watson의 번역 성능에 대해 어떤 방식으로 구동되어지는 지를 알아보고자 Watson Language Translation을 소개하는 페이지를 방문하였고 아래와 같은 정보가 있었다. 여기서 Neural Machine Tran
[ML] Study
머신러닝을 공부하며 On-Demand로 지식을 습득하다 보니 산발적인 만큼이나 머리에서 쉽게 사라지곤 하는 것 같다. 그래서 사소한 것들일지 몰라도 공부한 것들을 글로 적어 남겨보고자 한다.뉴런이 얼마나 쉽게 활성화하느냐를 조정하는 매개변수이다.가령 1이나 0의 두 가
[머신러닝 야학]궁리하는 습관
일 = 꿈 + 능력 꿈과 능력은 영혼과 육체의 관계처럼 나눌 수 없음 물론, 우리는 아직 능력이 없음.. 이럴수록 능력이 있다고 간주 꿈을 먼저 꾸는 것이 중요!! 머신러닝 야학에서는 3가지를 철저히 감춤 원리 수학 코딩 => 언젠가는 필요하지만 처음부터 필요하진 않음 우선, 머신러닝의 사용자가 되어보자! (머신러닝으로 문제를 해결하다 보면 한계 ...
[머신러닝 야학]꿈
우리는 나의 문제를 머신러닝으로 해결하기 위해 모였다! 우리에게 가장 절실한 것? 해결하고자 하는 문제 모든 사람이 빠짐없이 경험하고 있는 오래된 문제 => 습관!! >Q. 여러분은 어떤 습관을 갖고 있나요? 예시) 손톱을 깨무는 습관 > A. 나는 입을 벌리고 자는 습관이 있다.. 내 의지만으로는 습관을 이기기 쉽지 않다 But 지속적인 영향을 주는...
[머신러닝 야학]머신러닝이란?
무언가를 결정하는 것이 너무 힘들어 => 어떻게 하면 결정을 잘 할 수 있을까? >결정 = 비교 + 선택 좋고 나쁨(크고 작음)을 비교할 수 있다면 선택은 쉬움! But 문제는 비교가 쉽지 않을 때가 많다 대소관계를 모르거나, 비교해야 할 특징이 너무 많을 때 제품명|무게|속도|용량|가격 :---:|:-:|:-:|:-:|:-: A|200g|2.7G...
[머신러닝 야학]오리엔테이션
Machine Learning 기계 학습 양성 판정, 기계 번역, 자율 주행 => 머신러닝으로 구현 >나는 학생이 아니라 해결해야 할 문제 때문에 절망하는 엔지니어!! 공부는 왜? 문제를 해결하기 위해 문제가 크고 절망적인 나의 일 => 공부는 구원자 문제가 작고 사소한 남의 일 => 공부는 독재자 문제의 크기가 클수록 좋기 때문에 우리의 상상력을 ...
[Machine Learning] 머신러닝 (생활코딩)
머신러닝(Machine Learning)이란? 좋은 결정, 비교가 필요 숫자(number)로 비교 통계 컴퓨터로 계산 
[TIL] Artificial Intelligence[1] : July 7, 2020
딥러닝/인공지능과 관련된 강의를 듣게 되어 기초부터 처음부터 차근차근 천천히 정리하며 학습을 진행해보려 한다. 누구 한 명은 봐주겠지.학습용 Data가 주어지게 되면 컴퓨터는 이를 기반으로 Model을 생성하게 된다. 이 Model을 기반으로 컴퓨터는 예측을 하고, 컴
ML - 여러개의 입력(feature)의 Linear Regression
하나의 변수가 아닌 Multi variable을 사용하는 방법에 대해서 알아보자
ML - Linear Regression의 Cost 최소화 알고리즘의 원리 설명
이전 글에서 이야기 했던 cost function을 어떻게 최소화해서 Linear Regression 학습을 완성하는 지 알아보자
ML - Linear Regression의 Hypothesis와 Cost 설명
실제 많이 사용되고 있는 Linear Regression에 대해서 알아보는 시간을 가져보자
분류기 평가 지표 간단 정리
언제나 헷갈리는 정밀도, 정확도, 재현율 머신러닝에 입문한지 얼마 안되는 초짜라 분류기의 평가 지표는 언제나 헷갈립니다. 익숙해졌다고 또는 다 외웠다고 자만(근자감)했을때 누군가 물어보면 어버버하면서 제대로된 설명이나 답을 못하는 경우가 많았습니다. 이 글을 쓰는
엔트로피와 크로스 엔트로피
크로스 엔트로피는 딥러닝 분류문제에서 손실함수(loss function or cost function)으로 사용됩니다. 그러면 정보이론의 엔트로피와는 어떤 점이 다르고, 어떤 특징을 가지고 있기에 손실함수로 사용되는 것일까요