패스트캠퍼스 환급챌린지 16일차 : Part1 딥러닝을 시작하기전에 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스

Ch04-22 사이킷런 의사결정트리

- 예/아니오를 답할 수 있는 질문을 이진트리로 구성하여 반복 수행을 통해, 마지막 노드에 도달하는 방법

Ch04-23 사이킷런 랜덤포레스트

- 의사결정트리 모델을 기본으로, 여러 개의 의사결정트리를 결합하여 정확도를 높이는 방법

Ch04-24 사이킷 런 SVM(Support Vector Machine)

- 마진(결정 경계와 벡터사이의 거리)를 최대화하는 결정 경계를 학습, 선형적인 학습에 사용

Ch04-25 사이킷 런 선형회귀

- 주어진 데이터를 학습하여 가장 합리적인 선형 함수를 찾는 방법

Ch05-01 함수

- 숫자를 넣어서 숫자를 꺼내는 상자

- 함수 : x -> f -> f(x) = y

- 그래프 : 함수의 결과를 점으로 찍고, 여러 개의 점을 찍었을 때 그어지는 선

Ch05-02 로그 함수

- logxY : x를 몇승해야 Y가 되는가로 이해할 수 있음 

- 로그의 성질

: logaXY = logaX + logaY

: logaX^n = nlogaX

: loga^mX = 1/mlogaX

: logaB = 1/logbA

: logaB = logcB/logcA

: a^logaX = X

: a^logbC = C^logbA

Ch05-03 벡터와 행렬

- 숫자를 행과 열로 표현하여 쌓을 것을 행렬이라고함

- 행렬과 관련된 수학인 선형대수학은 입력 1차 방정식을 풀기 위한 것

- 인공지능에서 행렬과 벡터의 곱, 행렬과 행렬의 곱이 중요함

: 행렬과 행렬의 곱에서 앞의 행렬과 뒤에 행렬의 행의 개수가 일치해야하고, 앞의 행렬의 행과 뒤에 행렬의 열이 최종 결과가 됨

: 행렬 곱에서 교환법칙은 안됨

Ch05-04 극한과 입실론-델타논법

- 극한 : limitx->a f(x) = L => L 주변에 갭으로 어떤 양수 입실론을 잡더라도, 그 갭안으로 보낼 수 있는 a 주변 갭 델타가 존재하면 a의 극한 값은 L이다

Ch05-05 미분과 도함수

- 미분 : 순간 변화율, 그래프 상에서는 순간 기울기 (순간 = 극한)

- 기울기 : x가 1만큼 변했을 때 y가 얼만큼 변하는가?. 

Ch05-07 편미분과 그라디언트

- 편미분 : x,y에 대해 각각 미분한 것으로, x로 편미분하면 y를 상수로 잡고, y를 편미분하면 x를 상수로 잡음

- 그라디언트 : x,y 각각 편미분한 것을 묶는 것