실습 위주로 ㄱㄱ 1. 다양한 분포에서 샘플링(Sampling) 해보기 샘플링이란 어떤 자료에서 일부 값을 추출하는 것을 의미한다 파이썬의 numpy를 사용하면 간단하게 정규 분포, 베타 분포 등에서 샘플링을 진행할 수 있다 import numpy as np import matplotlib.pyplot as plt 1-1. NumPy 균등 분포(Uniform Distribution) 구간 내 모든 데이터에 대하여 추출 확률이 동일한 분포이다 sampled = np.random.uniform(low=0.0, high=1.0, size=(2, 4)) print(sampled) 이런 식으로 균등 분포를 가지는 데이터를 가져올 수 있다 추출한 데이터는 히스토그램(histogram)을 그려 확률 분포를 시각화할 ..

후우... 수식이 너무 많아서 어렵네요... 첨 듣는 단어도 너무 많이 나오고, 기호들은 또 왜이렇게 많은지! 하지만 처음 하는거니까 익숙하지 않은건 당연한거구 자주 보다보면 익숙해지겠죠?ㅎ 1. 확률 분포 추정 1-1. 확률 분포 추정이란 우리가 가지고 있는 데이터로부터 확률 분포를 추정하는 기술을 의미한다 기본적으로 우리가 데이터의 형태를 보고, 원하는 분포로 추정할 수 있다 베르누이 분포: 데이터가 0 혹은 1의 형태 정규 분포: 데이터가 크기 제한이 없는 실수 형태 카테고리 분포: 데이터가 카테고리 값 형태 주어진 데이터를 이용해 확률 분포를 계산하는 대표적인 두 가지 방법이 존재한다 모멘트 방법 최대 가능도 추정 1-2. 모멘트 방법 (Method of Moment) 확률분포에서 계산한 특징 값..

선수지식으로 확률과 통계를 공부하고 있는데 패스트캠퍼스 강의 특성상 엄청 딥하게 들어가지는 않기 때문에 추가적인 부분은 개인적으로 공부를 해야할 것 같다. 요즘 들어 느끼는 건데 직장을 다니면서 공부를 하려고 하다보니 평일은 3~4시간이 최선인 것 같고 주말을 정말 잘 활용해야 겠다는 생각이 든다. 아자 아자, 오늘도 화이팅~⭐ 1. 베이즈 정리 베이즈 정리란, 조건부확률을 구하는 공식이다. 베이즈 정리를 이용하면, 다양한 확률 문제를 해결할 수 있다. 베이즈 정리 공식: 𝑃(𝐴|𝐵) = 𝑃(𝐵|𝐴)𝑃(𝐴)/𝑃(𝐵) [베이즈 정리 유도] 조건부 확률 정의: 𝑃(𝐴|𝐵) = 𝑃(𝐴, 𝐵)/𝑃(𝐵) → 𝑃(𝐴,𝐵) = 𝑃(𝐴|𝐵)𝑃(𝐵) 마찬가지로, 𝑃(𝐵|𝐴) = 𝑃(𝐴,𝐵)/𝑃(𝐴) → 𝑃(𝐴,𝐵) = ..

오랜만에 수학 공부를 할려니 머리가 안돌아간다... 그리고 생각보다 강의 4개를 듣고 포스팅을 하는게 시간이 많이 걸린다... 다른 것도 할게 많은데... (AWS, 쿠버네티스, 리눅스, CI/CD...😶) 리소스를 너무 많이 사용하는 것 같다는 생각이 들기도 하고... 첫날부터ㅋ 그래도 일단 될 때까지 해보자 (죽기야 하겄어?) 뿌에엥 1. 표준 정규 분포 (Standard Normal Distribution) 평균이 0이고 분산이 1인 표준화된 정규 분포다 표준 정규 분포로 데이터들을 정규화시키면 딥러닝 모델 학습을 시킬 때 더욱 효과적으로 할 수 있고 수식을 계산할 때도 보다 쉽게 계산할 수 있다는 장점이 있다 확률 변수 𝑋가 ((𝑋\sim𝑁 (𝜇, 𝜎^2))) 을 따를 때, 다음의 공식으로 표준화..

인공지능에 관심이 생겨서 패스트캠퍼스 환급챌린지에 참여를 하게되었다. 하루 강의 2개 이상씩이 기준이지만 강의수가 생각보다 많아서 100일 정도에 마무리하기 위해서 하루에 4개씩 수강하기로 마음 먹었다. 환급 챌린지는 60일이지만, 이후에도 계속 포스팅할 생각입니다 😎 강의명은 딥러닝·인공지능 Signature 초격차 패키지 Online 입니다. 인공지능 입문의 첫시작으로는 확률이 되겠습니다~ 1. 확률 개요 인공지능에서 확률이 왜 필요할까? 인공지능이 결과값을 산출할 때는 정확한 값을 도출해내는 것이 아니라 확률에 기반하여 값을 도출하기 때문이다. 예시 1) 이미지 분류 모델 𝜃가 이미지 𝑥에 대해서 75% 확률로 고양이일 것이라고 예측 예시 2) 글 쓰기 모델 𝜃는 “나는 밥을“ 이후에 “먹었다“라는..