Gradient Descent 실습을 진행하겠습니다. 구글 colab을 사용합니다. numpy 패키지는 기존에 있는 라이브러리 함수를 가져오는 것입니다. Machine()은 우리가 정의해줍니다. Gradient()도 정의해줍니다. Gradient()안에 Machine()이 들어갑니다. 이처럼 함수를 부품화해서 새로운 함수 정의에 사용하며 작업을 단순화 합니다. Learning() 역시 Gradient() 함수를 부품화하고 있습니다. Updated_w, Updated_b는 1번 학습된 Parameter 입니다. w : 2 -> -1.3 b : 1 -> 0.5 이렇게 값이 변화했습니다. 데이터를 읽어오기 위해 또다른 라이브러리 함수 pandas 를 불러왔습니다. matplotlib.pyplot 역시 라이브러..

안녕하세요. 드디어 5일간 교육을 마쳤습니다. 시간적 여유가 생겼기에 계속해 교육내용을 간단히 정리하겠습니다. 저번 시간에 Machine Learning의 Machine은 Function이라고 했습니다. y = w*x + b 의 함수는 input(x)에 대한 output(y)을 예측한다는 뜻입니다. 예측값은 y_hat, 실제 값은 y로 나타내겠습니다. 그렇다면 y - y_hat = error(오차)입니다. 이렇게 실제값과 예측값의 차이를 비교하는 지표가 여럿 있습니다. Loss Function은 L(y, y_hat) = (y - y_hat)^2입니다. 제곱을 시켜주는 이유는 부호 문제, 후술 할 Gradien Descent에서의 미분가능성 문제를 해결할 수 있어서입니다. 실제 사용하는 지표는 Cost F..

창업 매칭데이를 체험했습니다. 매칭이 될지 안될지는 잘 모르겠네요. 안되더라도 배운 점, 들은 점은 많기에 어느 정도 내용을 옮겨보겠습니다. 새로운 아이디어는 없다 결국 창업자분들도 아주 독특한, 새로운 아이디어를 찾은 게 아닙니다. 기존에 있었던 것들을 밴치 마킹해 어떤 특정을 부각해 차이(새로운 점)를 만들어내는 것입니다. 처음엔 조금 납득하기 어려웠지만 그런 Variation을 찾는 것도 능력이고 무시 못할 점인 것 같습니다. 학사 수준으로 창업을 하긴 어렵다 이 분은 좀 현실적인 이야기를 해주셨습니다. 학사 수준의 기술력으론 부족합니다. 창업 쪽에도 박사로 이뤄져 있는 팀이 많습니다. 그렇다면 창업하기 위해 대학교를 다닐 필요가 없느냐. 그건 아닙니다. 해커톤이나 여러 대회에 참가하는 것은 대학생..

안녕하세요. 연말 잘 보내고 계신지요. 교육에선 통계적 툴로 활용되는 Python의 몇 패키지를 짚고 넘어갔지만 저는 그냥 넘어가겠습니다. Machine Learning 머신러닝의 개념을 설명하겠습니다. Machine은 기계, 컴퓨터의 의미지만 여기선 그 단계가 매우 낮습니다. Model, Algorithm의 역할을 수행합니다. 수학에서의 함수로 생각하면 됩니다. x값을 주면 y값을 도출하는 F(x)입니다. Learning은 학습이라는 뜻입니다. (행동을 바꿈으로써) 변화를 이끌어내기 위해 하는 것입니다. ①수행할 작업을 명확히 정해야하고 (예측, 분류) 그 결과를 판단할 기준도 필요합니다.(예측은 Mean square Error, 분류는 Cross Entropy Error) 이 ②MSE, CEE는 실제..

안녕하세요. 성원에 힘입어 바로 다음 글을 올립니다. 이번 글은 Data Analytics 기술을 어떻게 활용하는 Artificial Intelligence, 즉 A.I의 개념을 설명하겠습니다. 교수님께 배운 스타일대로, 이번에도 단어를 끊어서 알아보겠습니다. Artificial은 인공적이라는 뜻입니다. 인간이 만드는 것, Natural(자연적)이지 않은 것이지요. Analog와 대비되는 Digital 개념으로 생각하시면 됩니다. 다음은 Intelligence (지능)을 생각해보겠습니다. 말은 되게 거창하지만, 실제 우리가 기대하는 지능은 두 가지입니다. ①예측(Regression) ②분류(Classification) 이 둘이 우리가 미래에 Decison Making(의사결정)을 할 때 사용되는 것입니다..

이번에 대학교에서 5일 동안 하는 머신러닝&딥러닝 강의를 들었다. 그 내용을 복습하는 차원에서 내용을 요약하려고 한다. 일단 시작하기 전에, What is Data Analytics? 단어를 나눠서 생각해보자. Data는 행위의 결과 즉, 만들어지는 것이며 정보(Information)와 차이가 있다. 태생이 복수형이며 그 특징들은 ①여러개의 자료들 ②생성되는 것 ③과거의 결과 ④구조(Structure) ⑤형식(Type) 이 정도가 있으며 구조와 형식이 데이터 사용에서 중요하다. (이번 교육에서 중요) 그렇다면 Analytics(분석)은? 분석은 통계(statistics)적으로 '데이터의 특징을 확인' 하는 것이다. (확인 = 수학적 연산) 특징은 평균과 산포도로 나눌 수 있다. * 평균(중심화 경향치) ..