EveryDay.DevUp

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krChapter7 RL into wild - 벨류 기반 에이전트- 벨류 함수를 신경망으로 표현하는 방법론Ch07-01 벨류 네트워크의 학습-RL 에이전트의 분류: 가치 기반 / 정책 기반 / 두 가지를 섞은 액터 크리팃- 벨류 네트워크: 벨류 함수를 신경망으로 표현Ch07-02 Deep Q-Learning- ATARI 게임을 DQN을 이용해..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krCh05-03 MC 와 TD 실습- Colab을 사용하여 정책, 에피소드 횟수, 러닝 레이트를 조정하여 결과 확인Ch05-04 MC vs TD- 평가의 기준1) 학습 시점- MC는 에피소드 종료 후 학습을 하지만 TD는 한 스텝만 끝나도 학습을 하기 때문에 유연성 측면에서 TD가 좋음2) Bias- MC는 편향되지 않은 추정치를 가지지만,..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krCh04-02 Policy Iteration- 정책이 주어졌을 때 정책을 평가하도 개선하는 것을 반복함- 반복 횟수를 정하고 최적 정책을 구함Ch04-03 Value Iteration- Policy Iteration의 핵심은 정책의 벨류(리턴의 기댓값)을 이용해 greedy 정책을 만듬- Value Iteration은 벨만 최적 방정식을 이..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 🎉누적 구매수 111만 건 돌파 감사제 100% 페이백 (04.21 - 04.26) | 패스트캠퍼스통 크게! 전 구매 고객께 결제 금액을 100% 돌려드립니다!fastcampus.co.krCh03.Introduction to RL 벨만 방정식- 대부분의 강화학습읔 벨류를 구하는 것에서 출발하는데, 벨류를 구하기 위한 뼈대가 되는 수식이 벨만 방정식Ch03-01 벨만 기대 방정식 0단계- 벨류 사이의 재귀적 관계를 구하는 식- 현재 상태의 벨류는 리워드를 하나 받고 그 다음 상태의 벨류를 더한 것과 같음Ch03-02 벨만방정식 1,2 단계- 1단계의 수식은 정책에 의한 확률을 구하는 식과 전위 확률에..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB Chapter02. Introduction RL - Markov Desision Process- 강화학습에서 문제를 잘 정의하려면 주어진 문제를 MDP의 형태로 만들어야함 Ch02-01 Markov Process- 확률적으로 상태를 이동해 다니는 과정- 상태의 집합과 전이 확률 (전이 확률 행렬)로 표현됨- 마르코프 프로퍼티: 미래는 오로지 현재에 의해 결정됨: Markov Process 는 마르코프 프로퍼티 정의를 반영한 것Ch02-02 Markov Reward Process- Markov Process에서 다음 상태에 도달할 때 리워드를 받는 것이 추가됨- 보상을 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krCh01. Introduction to RL - 강화학습 입문하기Ch01-01 지도학습과 강화학습- 기계학습 분류: 지도 학습 / 비지도학습 / 강화 학습- 강화학습의 위력: 병렬로 경험을 쌓으면서, 한 곳에 모이게 하는 힘을 가짐: 인간을 따라하는 것이 아니기 때문에 인간을 뛰어넘을 수 있음 Ch01-02 순차적 의사 결정 문제- 강화학습..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krCh10-01 감정분석모델 구현을 통한 자연어 처리 실습 - 주요코드 미리보기(1)1) RNN의 입출력 개수에 따른 유형- 1To1, 1ToMany, ManyTo1, ManyToMany2) 자연어 처리를 위한 신경망 LSTM- 파라미터: 인풋 사이즈, 히든 사이즈 (은닉 레이어의 사이즈), 레이어 수 (몇 개의 층으로 레이어를 쌓아서 만들..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB Ch08-01 VGGNet을 사용한 이미지 분류 - 구현을 위한 코드의 이해- 2014년 이미지 분류대회 2위를 한 모델로, 상대적으로 구현이 간단핰 모델- 컨볼루션, 풀링레이어 -> Dense 레이어- 3x3 커널을 반복사영하여 리셉티브 필드를 늘릴 수 있음을 증명함- 컨볼루션 레이어 2개 + 풀링레이어 1개의 조합으로 2세트, 컨볼루션레이어 3개 + 풀링레이어 1개의 조합으오 3세트, Dense 레이어 3개를 지난 후 출력함- VGGNet의 구현:__init__ 함수에 아웃풋 채널의 수를 정의한 컨피그레이션의 이름을 파라미터로 지정하여 신경망 구조를 사용함: mak..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krCh06-01 인공신경망 코드를 위한 주요 코드의 이해- torchvision데이터 셋을 사용하여 이미지 분류기를 생성- 생성한 모델을 저장하고 저장된 모델을 다시 불러와서 사용 - Ch05의 인공신경망 작성 코드와 동일한 코드 로직 1) Load Libraries & Datasets- torch.nn 신경망을 생성하기 위한 기본 재료 제공..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.https://bit.ly/4hTSJNB 커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.fastcampus.co.krCh04-01 문제 정의 및 데이터의 이해- sklearn model을 사용하여 클러스터 모델을 생성- cluster에서 사용가능한 성능지표를 이해- 데이터의 특성을 통합적으로 활용하여 클러스터를 생성Ch04-02 구현을 위한 코드의 이해- KMeans 알고리즘: 데이터의 거리를 게산해서 가까우면 같은 클러스터로 묶어줌: K가 몇개로 묶을지..