Neural Network & Backpropagation [12] 본격적인 Deeplearning 시작파트이다. Deeplearning의 근간이 되는 NN에 대해 알아보고, 어떤 계산법을 통해 학습을 진행하는 지 알아본다. Data Science/ML & DL 2025.03.11
Nearest Neighbors, Softmax Classifier [11] KNN과 Soft-max classifier에 대한 학습이다. KNN의 경우 Graph를 보면 직관적으로 이 모델이 무엇을 하는 지 잘 알 수 있고, Soft-max는 muli class 분류에 적절히 쓸 수 있다. Data Science/ML & DL 2025.03.11
Unsupervised Learning [10] 머신러닝에서 정답 Label이 없이 학습하는 Unsupervised learing에 대한 공부이다. 비지도학습에는 어떤 것들이 있고, 그 메커니즘은 어떻게 되는지 알아본다. Data Science/ML & DL 2025.03.11
Support Vector Machine [9] 머신러닝의 Classifier model 중 끝판왕에 대한 소개이다. Deep learing이 발전하기 전까지 정확도 측면에서 가장 효과적인 모델로 여겨지던 Model이다. Data Science/ML & DL 2025.03.11
Ensemble Method and Boosting [8] 머신러닝 모델을 좀 더 강화해서 쓸 수 있는 방안에 대한 공부다. 대표적으로 앙상블 / 부스팅기법이 있고 이것들이 무엇이며 이것들의 기저에는 무엇이 있는지 공부해본다. Data Science/ML & DL 2025.03.11
Decision Trees [7] 머신러닝 모델중 의사결정나무에 대한 공부다. Regression / Classification 모두 가능한 모델이고 분류기준이 직관적이라 Interretation이 잘 되는 모델이다. 다만, 성능은 타 모델 대비 상대적으로 좀 떨어지는 단점이 있다. Data Science/ML & DL 2025.03.11
Overfitting & Regularization [6] 머신러닝 파트에서 가장 중요한 Overfitting 부분과, 그것을 해결하기 위한 Regularization 방법에 대한 공부이다. 실제 Machine Learning Field 에선 이 과적합 문제와 해결이 거의 개발의 대부분이라고 한다. 그만큼 중요한 Part이니 항상 숙지해야 한다. Data Science/ML & DL 2025.03.11
Classification-2 / Bayes Classifiers [5] 머신러닝 분야의 대표적인 분류기 2 번째, Bayes Classifier이다. 수학/통계부분에서 많이 나오는 Bayes 정리가 적용된 분류기이다. Data Science/ML & DL 2025.03.10
Classification-1 / Logistic Regression[4] 머신러닝에서 분류(Classification)를 위한 Model 공부를 해본다. 그 중 로지스틱회귀에 대해서 공부를 중점적으로 해보는데, 수학적인 개념이 많이 등장한다. Data Science/ML & DL 2025.03.10
Linear Regression - 2[3] 선형회귀로 Categorical Feature를 어떻게 분류하는 지 알아보고, 원활히 Model selection하는 방법을 공부해본다. Data Science/ML & DL 2025.03.10
