이빨 빠진 미남이

공부하며 정리한 것 하지만 시험은 못 봄 ㅋ

해당 게시글은 위 출처에서 질문과 답변을 참고하여 내용을 정리하였음을 밝힙니다. Machine Learning Interview Questions and Answers Q-1: 머신러닝이란 무엇인가요? 머신러닝은 인간처럼 행동할 수 있는 지능적인 시스템을 개발하는 알고리즘에 대한 연구입니다. 기계가 데이터를 학습하고 패턴을 인식하여 새로운 데이터가 도착하면 예측을 할 수 있도록 합니다. Q-2: 지도 학습과 비지도 학습의 핵심 차이점은? 참고 Supervised learning에는 label이 지정된 데이터가 필요하고, 맞춰야 하는 값이 있습니다. 따라서 크게 2가지로 나눌 수 있는데 첫 번째로는 예측하는 값이 categorical한 경우 분류(classification) 문제가 있습니다. 두 번째로는 ..

해당 게시글은 위 출처에서 번역하여 내용을 정리하였음을 밝힙니다. Data Science vs. Machine Learning Data science는 unstructured/raw data(비정형/원시 데이터)에서 정보를 추출하는 프로세스입니다. 이 작업을 수행하기 위해 여러 algorithms, machine learning technique, data analysis를 통합합니다. 그래서 개념으로 따지면 Data Science > Artificial Intelligence > Machine Learning 의 순으로 큰 개념이라 볼 수 있습니다. Definition of Data Science & Machine Learning Data science는 여러 분야를 통합한 개념으로 과학적인 방법, a..

비지도 학습(unsupervised learning)에 대한 파트입니다. 챕터 8에서 살펴본 차원 축소(dimension reduction)도 가장 널리 사용되는 unsupervised learning에 해당됩니다. 이번 장에서는 몇 가지 학습과 알고리즘을 살펴봅니다. 저는 책의 내용이 너무 방대하고 이 이론을 뒷받침하기엔 설명이 부족하다고 판단하여 주요 개념만 다루려고 합니다. 저는 Clustering, K-means, DBSCAN, GMM을 간단히 요약 정리하였습니다. 1. Overview Unsupervised learing의 문제 클러스터링(clustering) 차원 압축(dimensionality reduction) 이상 감지(anomaly detection) Unsupervised learin..

핸즈온머신러닝의 챕터 8을 공부하고 정리합니다. 참고한 글은 아래 Reference로 남겨두었습니다. 이번 챕터 8의 주제는 Dimension Reduction입니다. 책의 목차는 아래와 같습니다. 8.0 개요 8.1 차원의 저주 8.2 차원 축소를 위한 접근 방법 8.3 PCA 8.4 커널 PCA 8.5 LLE 8.6 다른 차원 축소 기법 책 내용을 그대로 정리하진 않을 것 같고, 중요하다고 생각하는 키워드와 개념만 뽑아서 정리해보도록 하겠습니다. | Keyword | Curse of dimensionality, Projection, Manifold, PCA, Kernel PCA, LLE Curse of dimensionality 차원이란 말은 각 sample을 정의하는 정보들로 생각할 수 있습니다. ..