코딩하는 애옹😸

베이즈 통계학 데이터가 새로 추가될 때 정보를 갱신하는 방식에 대한 방법론 조건부확률 $P(A|B)$ : 사건 B가 일어난 상황에서 사건 A가 발생할 확률 A라는 새로운 정보가 주어졌을 때 $P(B)$로부터 $P(B|A)$를 계산 예제 $D$ : 새로 관찰하는 데이터 $\theta$ : hypothesis , 모델링하는 이벤트, 모델에서 계산하고 싶어하는 parameter, 모수 사후확률 : 데이터를 관찰했을 때 이 parameter가 성립할 확률, 데이터를 관찰한 이후에 측정한 확률 사전확률 : 데이터가 주어지지 않은 상황에서 모델링을 하기 이전에 $\theta$에 대해 주어진 확률 사전확률 > 데이터 관찰 > 사후확률 likelihood : 현재 주어진 상황/가정에서 이 데이터가 관찰될 확률 Evid..

통계학 통계적 모델링의 목표 : 적절한 가정 위에서 확률분포를 추정(inference) 근사적으로 확률분포를 추정 (예측모델의 목적 : 분포를 정확하게 맞추는 것 X, 예측의 위험을 최소화) 모수적(parametric) 방법론 데이터가 특정 확률분포를 따른다고 선험적(a priori)으로 가정한 후 그 분포를 결정하는 모수(parameter)를 추정 비모수(nonparametric) 방법론 특정 확률분포를 가정하지 않고 데이터에 따라 모델의 구조 및 모수의 개수가 유연하게 바뀜 기계학습의 많은 방법론은 비모수에 속함 예제 확률분포를 가정하는 방법: 히스토그램 모양 관찰 데이터가 2개의 값(0또는 1)만 가지는 경우 : 베르누이분포 데이터가 n개의 이산적인 값을 가지는 경우 : 카테고리분포 데이터가 [0,..

학습 계획 AI Math 7강 통계학 맛보기 8강 베이즈 통계학 맛보기 기본 퀴즈 AI Math 7강 퀴즈 심화 과제 [심화 과제 1] Gradient Descent 피어세션 및 행사 10:00 데일리 스크럼 피어세션이 피어씁니다 회고 아~주 기본적인 통계지식만 갖고 있어서 통계학 강의를 들을 때 조금 힘들었다. 하나도 놓치지 않으려고 꼼꼼하게 듣긴 했는데 아무래도 주말에 복습을 필수로 해야겠다. 베이즈 통계학 강의를 다 듣고보니 9시가 넘어서 퀴즈를 풀지 못했다..^^ (내일 할 일이 추가되었습니다 +1)

학습 계획 AI Math 5강 딥러닝 학습방법 이해하기 6강 확률론 맛보기 기본 과제 3. Text Processing 2 기본 퀴즈 AI Math 5강 퀴즈 AI Math 6강 퀴즈 피어세션 및 멘토링 10:00 데일리스크럼 커뮤니티 이벤트에 제출할 ppt 수정 심화과제 살펴보기 멘토님 소개 회고 내일은 심화과제에 초점을 두고 공부해야겠다! 주말 - 정리해놓은 글 다듬기(사진, 수식 등)

보호되어 있는 글입니다.

보호되어 있는 글입니다.