본문 바로가기

반응형

컴퓨터 과학

(117)
Probability 왜 확률을 배워야 하는가? 확률이란 불확실성을 수학적인 도구를 이용하여 표현하는 Framework이다. 애초에 분류 태스크는 P(Y/X)를 높이는 것으로 표현 될수있다. (X라는 데이터 일때 Y라는 타겟일 확률) 즉, "표현"이 가능하다는 것이다. 이를 통해 AI 시스템이 잘 돌아가는지 안돌아가는지 평가할수도 있다는 것이다. 예를들어 "정확도"라는 개념도 확률에서 왔다. 그럼 확률에서 나오는 개념들을 나열해보자 Variable (변수) Random Variable Probability Distributions(확률 분포) : 정규분포가 대표적인 확률 분포 이다. Discrete(countable) -> PMF(Probability Mass Function) Continuous(uncountable) ->..
AWS 시작 ~ EC2서버열기 AWS회원가입을 마쳤다. 루트 아이디로 접속하여 I AM 아이디를 새로 개설한뒤 (여러가지 역할부여) region을 서울로 맞춰주었다. (리전마다 사용할수 있는 서비스가 다르다고 한다.) MFA를 위해 구글 보안앱도 설치한뒤 결제 권한도 주었다. EC2 서버를 열기위해 free tier버전으로 서버를 열었다 요즘은 편의성을 위해 웹에서 터널을 열어주는 신기한 경험을 했다. 이로인해 아파치 기반(httpd) 웹도 간단히 열어 보았다. 처음에는 시간 에러가 떴는데 1. 방화벽 해제 2. 인바운드 규칙 추가 를 해주어서 접속도 했다. 인바운드 규칙: 다른 컴퓨터(네트워크)에서 자신의 컴퓨터로 네트워크 데이터가 들어올 수 있도록 규칙을 정의 아웃바운드 규칙: 자신의 컴퓨터에서 네트워크 데이터가 다른 컴퓨터(네트..
선형대수학 선형대수학을 한 번에 보는것은 '불가능'이다. 그래서 매우 빠르게 개념들만 나열하고 지나가보도록한다. 모르는 용어는 "반드시" 다시 찾아보고가자 정말 기본 of 기본 용어들이다. 1. 스칼라, 벡터, 메트릭스(matrices - metric과 헷갈리지 말자), 텐서 2. transpose of matrix 3. multiplying matrices and vectors 4. Identity matrix 5. Inverse matrix 선대를 배워야 하는 가장 큰 이유는 "표현"이다. 앞선 퍼셉트론이나 딥러닝에서는 다양한 수들을 SUM 해야하는데 행렬에서 이를 편하게 표현 할수 있다는 것이다. 예를 들어보자. 저 다양한 다항식의 합을 단순히 행렬과 벡터의 곱으로 "표현"이 가능하다는 것이다. 이렇게 표현을..
Perceptron 퍼셉트론 퍼셉트론이란 다수의 신호를 입력받아 하나의 신호를 출력하는 것이다. 예를 들어 논리회로에 AND, OR게이트가 있다. x1, x2 가 있다고 해보자 여기에 입력하는 신호는 보통 0아니면 1이다. 그렇다면 x1,x2에 따라서 결과 값 y의 경우는 어떻게 나올까? AND게이트의 경우 (1,1) => 1 (1,0) => 0 (0,1) => 0 (0,0) => 0 OR게이트의 경우 (1,1) => 1 (1,0) => 1 (0,1) => 1 (0,0) => 0 위의 경우는 2개의 신호에 따라 y의 신호를 출력하는 게이트이다. 이렇게 다수의 신호를 입력받아 하나의 신호를 출력하는 것을 퍼셉트론 이라고 한다. (신호가 단순히 0,1뿐 아니라 실수가 될 수도 있다. 위의 게이트는 단순히 하나의 예시일 뿐이다...
내가 데이터 사이언티스트가 되기 위해 공부해야 할 것들 (컴퓨터) 위 사진은 내가 졸업한 컴퓨터교육과 교육과정이다. 여기에서 내게 필요한 범용적인 자료구조, 알고리즘, 인공지능 같은 과목들을 리뷰해 볼까한다.

반응형