패스트캠퍼스 환급챌린지 5일차 : 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

Ch01-07 결합확률과 주변 확률

1) 독립 사건

- 두 변수가 서로 영향을 주지 않는 경우

: 예를들어, 동전을 던졌을 때 1회, 2회 ~ n회차에서의 동전의 결과

2) 종속 사건

- 두 변수 x,y가 있을 때 하나의 변수가 다른 변수에 영향을 주는 경우, y는 x에 종족된 사건이라고 함

3) 배반 사건

- 교집합이 없는 사건

: 예를 들어, 영어 성적이 50점 이상이거나, 50점 미만인 사건의 경우 동시에 발생할 수 없는 사건임

- 독립과 배반의 차이

: 독립은 사건 X가 Y에 영향을 주지 않지만, 배반은 두 사건이 같이 발생할 수 없는 사건

4) 다변수 확률 변수

- 확률 변수가 2개 이상인 것으로, 각각의 변수에 대한 확률 변수를 분포로 표현할 수 있음

- 일반적으로 딥러닝 분야에서는 다변수 확률 변수/분포를 가짐

5) 결합 확률

- 두 개의 사건이 동시에 발생할 경우, 즉 교집합이 발생할 확률

6) 결합 확률 함수

- X,Y가 가진 범위에서 X,Y의 사건이 합쳐져서 발생하는 사건의 확률을 구하는 함수로, 모든 범위를 더하면 1의 값을 가짐

: 예를 들어 국어 점수가 0~100점 이고, 영어 점수가 0~100점일 때 국어 점수 X, 영어 점수 Y라고 한다면, 국어 점수가 높을 때 영어 점수가 높은가?. 에 대한 가설에 대해서 경향성을 확인할 수 있음 

- P(X=xi, Y=yj) 로 표현할 수 있고 f(x,y)로 표현할 수도 있음

7) 주변확률질량함수

- 두 확률 변수 중 하나의 확률 변수에 대해서만 확률 분포를 나타낸 것으로, 위의 가설에서 국어 점수가 50점일 때의 영어 점수 Y의 대한 확률를 구하는 경우

Ch01-08 조건부 확률

1) 조건부 확률

- 어떠한 사건 X가 일어나는 경우 Y사건이 일어날 확률

: 예를들어, 이미지 분류 모델에서 이미지 X가 입력으로 주어질 때, 어떤 분류 Y가 나올 확률

: P(Y=y|X=x)로 표현하고, Pxy(X,Y)/Px(X)의 공식으로 구할 수 있음

파이썬의 라이브러리를 사용하면, 앞서 정의한 확률들에 대하여 계산을 용이하게 할 수 있음.