일상 썸네일형 리스트형 코세라 머신러닝 기초수학 수료 #3 코세라에서 제공하는 "Mathematics for Machine Learning" 전문분야 강좌인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 중 세번째인 PCA에 관한 과목을 이수하였고, 이로써 전문과정을 수료하게 되었다. 앞서 글과 마찬가지로 머신러닝을 공부해왔었기 때문에 어렵지않게 강의를 듣고 문제를 풀 수 있었다. 다만 PCA가 수업이나 문제의 난이도가 가장 높았고, 문제를 풀며 꽤 오랜 시간이 소요되었다. 이 강좌에서 배우는 내용은 다음과 같다. 평균, 분산, 공분산의 의미와 활용 내적(Inner produ.. 더보기 코세라 머신러닝 기초수학 수료 #2 코세라에서 제공하는 "Mathematics for Machine Learning" 전문과정 강좌인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 중 두번째인 다변수 미분에 관한 과목을 이수하였다. 앞서 글과 마찬가지로 미분에 관련된 내용이라 어렵지않게 강의를 듣고 빠르게 문제를 풀 수 있었다. 이 강좌에서 배우는 내용은 다음과 같다. Chain rule 을 이용한 편미분 Jacobian, Hessian 매트릭스의 이용 단층 뉴럴네트워크의 역전파과정 계산원리 이해 Taylor Series.. 더보기 코세라 머신러닝 기초수학 수료 #1 머신러닝의 선수과목인 선형대수를 다시 한번 봐볼까 하던 중에 코세라에서 제공하는 "Mathematics for Machine Learning" 전문과정을 알게되었고, 머신러닝 개념이해에 필수적인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 굵직한 세 개 강의 중에 첫번째인 선형대수에 관한 과목을 이수하였다. 이미 선형대수에 대해 대학교와 대학원에서 몇번이고 반복해서 배웠기 때문에, 복습(?)느낌으로 수업을 듣고 문제도 나름 쉽게 풀 수 있었다. 이 강좌에서 배우는 내용은 다음과 같다. 벡터공간의 .. 더보기 이전 1 2 3 다음
