패스트캠퍼스 환급챌린지 1일차 : Part1 딥러닝을 시작하기전에 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

게임에서도 AI를 적용하는 시도를 많은 회사들이 하고 있기 때문에, 미래를 위해서 AI를 공부하려고 시작하였습니다.

패스트캠퍼스의 AI강의가 입문자부터 실무자까지 커버할 수 있는 영역으로 보이고, 챌린지를 하면 수강비용도 아낄 수 있기 때문에 도전하게 되었습니다.

오늘은 CH01-01의 확률개요, CH02-02의 확률변수와 확률 분포 강의를 수강했습니다.

무엇인가 공부를 시작할 때 중요한 것은 생소한 용어를 어떻게 정의하는 것에서 부터 시작이라고 생각합니다. 

강의를 수강하면서 용어에 대한 개념을 익히는 것이 중요하기 때문에 오늘 강의에서는 용어 위주의 정리를 진행했습니다.

1. 확률이란 무엇인가?.

- 특정한 사건이 일어날 가능성을 수치화해서 표현하는 것으로 AI에서는 데이터를 기반으로 기대 값을 예측하는 것이라고 할 수 있습니다.

2. 경우의 수를 표현하기 위한 수학적인 방법

2.1 순열 : 서로 다른 N개에서 R개를 중복없이 뽑을 때 특정한 순서로 나열하는 것을 말합니다.

=> nPr의 형태로 표현하고 계산은 n!/(n-r)!로 할 수 있습니다.

=> n = r인 경우에는 (n-r)! = 0! 이기 때문에 0!은 1임으로, n!로 계산됩니다.

2.2 조합 : 서로 다른 N개에서 R개를 중복없이 뽑을 때 특정한 순서를 고려하지 않고 뽑는것을 말합니다. 

=> nCr의 형태로 표현하고 n!/r!(n-r)! 로 계산됩니다. 

2.3 중복 순열 : 특정한 n개에서 중복을 포함해 r개를 뽑아 특정한 순서로  나열하는 것

=> n π r의 형태로 표현하고 n^r(n의 r 승)으로 계산됩니다.

2.4 중복 조합 : 특정한 n 개에서 중복을 포함해 순서를 고려하지 않고 r개를 뽑는 것

=> nHr의 형태로 표현하고 n+r-1Cr로 계산됩니다.

3. 통계적 확률

=> 이론적인 확률과 실제 확률에서의 차이가 발생할 수 있는데, 시행 횟수가 적을 경우 확률의 모수가 적기 때문입니다. 

=> 시행횟수가 많아질 수록 이론적인 확률에 가까워지는데 이를 통계적 확률이라고 합니다.

4. 확률 변수, 확률 함수

=> 특정한 사건으로 인해 그 값이 확률적으로 정해지는 변수를 확률 변수라고 하고, 확률 변수에 따라서 확률 값을 구하는 함수를 확률 함수라고 합니다.

=> 예를들어 2개의 동전에 앞면이 나오는 확률을 구한다고 했을 때, 동전에 앞면이 나오는 개수는 확률 변수가 되고, 앞면이 나오는 개수가 나오는 확률을 구하는 것을 확률 함수라고 합니다.

=> 2개의 동전을 흔들었을 때 나올 수 있는 경우는 (앞, 앞), (앞, 뒤), (뒤, 앞), (뒤, 뒤)이고, 앞면의 개수는 최대 0 ~ 2개까지 입니다.

=>  이를 수식으로 표현했을 때, P(X) P 는 확률 함수, X는 확률 변수, P(0) = 1/4, P(1) = 2/4, (P2) = 1/4 의 확률을 구할 수 있습니다.

5. 이산 확률 분포, 연속 확률 분포

=> 확률 변수 x가 취할 수 있는 모든 값을 셀 수 있는 경우, 분포도를 그릴 수 있고 이를 이산 확률 분포라고 합니다.

=> 확률 변수 x가 취할 수 있는 모든 값을 셀 수 없는 경우, 구간으로 나누어서 확률을 구하고 이 연속 확률 분포라고 합니다.

오늘의 강의는 확률의 기본적인 개념과 딥러닝에서의 확률에서의 의미를 학습할 수 있는 시간이였습니다.