패스트캠퍼스 환급챌린지 2일차 : Part1 딥러닝을 시작하기전에 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

봄맞이 특급 혜택 '하나 더 봄'🌸 1+1 이벤트 (3/4~3/9) | 패스트캠퍼스

오늘은 1일차에 공부했던 확률의 기본적인 개념 중 이산확률분포에 대한 세부 내용을 학습했습니다.

이산 확률 분포란, 확률 변수 x의 모든 값을 셀 수 있는 경우로 정의됩니다. 예를 들어 동전을 던졌을 때 앞면, 뒷면만 나올 수 있기 때문에 이경우 확률 변수 x를 앞면 뒷면으로 셀 수 있습니다.

확률 질량함수는 이산 확률 변수 x의 확률을 구하는 함수로 정의됩니다. 예를 들어 어떤 이미지 x가 있을 때 분류 모델의 실행 결과 P(Y=새| X=x) = 15% 로 표현할 수 있습니다.

베르누이 실행은 결과가 두 가지 중 하나로 나오는 경우로 나오는 것으로, 예를들어 면접의 결과가 합격 또는 불합격과 같이 두 가지로 정의되는 것을 말합니다.

베르누이 확률 분포는 X~Bern(X;u)로 표현되고 u는 1이 나올 확률입니다. 

베르누이 확률 질량함수는 u^x(1-u)^1-x의 수식으로 표현할 수 있는데 x가 0일 경우 u^0(1-u)^1 = 1 - u 의 값이 나오고 x = 1일 경우 u^1(0)^0 = u의 값이 나오기 때문입니다. 

이항 분포는 이산확률 분포 중에 하나로 독립된 사건을 n 번 시행했을 때, 특정 사건이 x회 발생하는 경우로 정의됩니다.

X~Bin(x;N,u)로 표현되고, 여기서 n은 시행횟수를 뜻합니다.

(n, x) u^x(1-u)^n-x의 수식으로 표현되는데 (n, x)는 n개에서 x개를 선택하는 조합으로 계산합니다.

예를들어 5개의 강아지 사진 중에 4개를 정확히 예측하는 분류 모델이 있는 경우, 10개의 사건이 주어졌을 때 7개를 정확히 예측할 수 있는 확률을 구할 때 이항분포가 사용됩니다.

(10, 7) 0.8^7(1-0.8)^3 = 0.2013 으로 확률을 구할 수 있습니다.

포아송 분포는 일정한 시간 내에 발생하는 사건의 발생 횟수에 대한 확률을 계산하는 것으로, 단위 시간에 어떤 사건이 발생할 기대값 λ(람다),사건이 x회 일어날 확률로 f(x;λ) = e^-λ λ^x / x! (e는 자연 상수) 의 수식으로 표현됩니다.

예를들어 하루에 피싱 전화가 평균 5번 온다고 할 경우, 오늘 피싱 전화가 1, 5, 8번 온 확률을 구할 때 사용할 수 있습니다.