ํฐ์คํ ๋ฆฌ ๋ทฐ
ใ ๊ต์ : ์ดํ์ฌ์๋ํ๊ต ๊ฐ์ ์ ๊ต์
ใ ํ์ต๋ชฉํ
Machine Learning์ ํ ๋ถ๋ฅ์ธ ์ง๋ํ์ต(Supervised Learning)์ ๋ํ ๊ธฐ๋ณธ ๊ฐ๋ ๊ณผ regression/classification์ ๋ชฉ์ ๋ฐ ์ฐจ์ด์ ์ ๋ํด ์ดํดํ๊ณ ,
๋ค์ํ ๋ชจ๋ธ ๋ฐ ๋ฐฉ๋ฒ๋ก (linear and nonlinear regression, classification, ensemble methods, kernel methods ๋ฑ)์ ํตํด
์ธ์ ์ด๋ค ๋ชจ๋ธ์ ์ฌ์ฉํด์ผ ํ๋์ง, ์ ์ฌ์ฉํ๋์ง, ๋ชจ๋ธ ์ฑ๋ฅ์ ํฅ์์ํค๋ ๋ฐฉ๋ฒ์ ํ์ตํ๊ฒ ๋ฉ๋๋ค.
Part 1. SL Foundation
- ์ง๋ํ์ต : ๋ถ๋ฅ / ํ๊ท ๊ฐ ์์
- error๋ฅผ ๊ณ์ฐํด์ ์์คํจ์ loss function cost function์ผ๋ก ๋ถ๋ฆ
- squared error, binary error
- Curse of dimension ์ฐจ์์ ์ ์ฃผ ๋ฌธ์ (์ค๋ฒํผํ )
- ๋ฐ์ดํฐ๋ฅผ ๋๋ฆฌ๋ ๊ฒ์ด ๊ฐ์ฅ ๋จ์ํ ํด๊ฒฐ ๋ฐฉ๋ฒ
- data augmentation! ์ฌ๋ฌ ๋ฐฉ๋ฒ : k-fold cross validation
- Regularization ๋ฐฉ๋ฒ
- ์์๋ธ ๋ฐฉ๋ฒ
Part 2. Linear Regression
- Linear models
- Least square problem (๋ฐฉ์ ์ : Normal equation) -> ์ต์ ์ ์ธํ๋ฅผ ๊ตฌํ๊ฒ ๋จ.
- Gradient : ํจ์๋ฅผ ๋ฏธ๋ถํ์ฌ ์ป๋ term์ผ๋ก ํด๋น ํจ์์ ๋ณํํ๋ ์ ๋๋ฅผ ํํํ๋ ๊ฐ
- Gradient descent : ํจ์์ ๋ณํ๋๊ฐ ๊ฐ์ฅ ํฐ ๋ฐฉํฅ์ผ๋ก ์ด๋
Part 3. Gradient descent
- SGD : noise์ํฅ ๋ฐ๊ธฐ ์ฌ์
- Local Optimum ํ๊ณ
Part 4. Linear classification
- ๋ถ๋ฅ๋ฌธ์
- data set์์ positive sample๊ณผ negative sample
- Zero - one loss
- ๋ฌธ์ ์ ํด๊ฒฐ ์ํด hinge loss ์ฌ์ฉ
- Cross-entropy loss
Part 5. Advanced Classification
- SVM : Margin ๊ฐ๋ ์ค์ support vector -> ์ฑ๋ฅ์ ์ข์ง์ฐ์ง
- Optimization : Hard Margin SVM
- Kernel ํจ์ : ์ฐจ์๋ฅผ ๋์ฌ linearํ๊ฒ ๋ง๋๋
- ANN
- Back Propagation : dropout
Part 6. Ensemble
- ๋จธ์ ๋ฌ๋์์ ์๊ณ ๋ฆฌ์ฆ์ ์ข ๋ฅ์ ์๊ด์์ด ์๋ก ๋ค๋ฅด๊ฑฐ๋, ๊ฐ์ ๋งค์ปค๋์ฆ์ผ๋ก ๋์ํ๋ ๋ค์ํ ๋จธ์ ๋ฌ๋ ๋ชจ๋ธ์ ๋ฌถ์ด ํจ๊ป ์ฌ์ฉํ๋ ๋ฐฉ์
- ๋ค์ํ ๋ชจ๋ธ์ ๊ฐ ์ฅ์ ์ ์ด๋ ค ์์ธก ์ฑ๋ฅ์ ํฅ์ํ ์ ์์
- ๊ฐ์ฅ ๊ธฐ๋ณธ์ ์ธ ์์ ๊ธฐ๋ฅ์ bagging ๊ณผ boosting
- ์ฅ์ : ์์ธก ์ฑ๋ฅ์ ์์ ์ ์ผ๋ก ํฅ์ ๊ฐ๋ฅ, ์ฝ๊ฒ ๊ตฌํ์ด ๊ฐ๋ฅ
- bagging : ํ์ต ๊ณผ์ ์์ training data๋ฅผ ๋๋คํ๊ฒ ๋๋ ์ ํ์ต -> "๋ชจ๋ธ์ ๋ณ๋ ฌ์ ์ผ๋ก ํ์ต ๊ฐ๋ฅ" (bootstrapping / aggregating)
- boosting : ์ํ์ ํ๊ฒ ๋์ํจ, classfier์ ์ฐ์์ ์ผ๋ก ๋์ํ๊ฒ ํจ (cascading of weak classifier)
- ๋ํ์ ์ผ๋ก Adaboost ๊ฐ ์์. (์ค๋ถ๋ฅ๋ sample์ ๋์ ๊ฐ์ค์น๋ฅผ ์ค์ ๋ค์ ํ์ต์ ์ฌ์ฉํ ์ ์๊ฒํจ -> ๋ค์ classifier๋ ์ด๋ ค์ด ์ํ์ ํด๊ฒฐํ๋๋ฐ ๋ ํนํ๋ ๋ชจ๋ธ๋ก ๋์ํ๊ฒ ๋จ.)
- Random forest (๋ฐฐ๊น ์ ํตํด ํ์ต, ๋ถ์คํ ์ฌ์ฉ)
- Evaluation : Accuracy์ธก์ , confusion matrix (์ค์ฐจ๊ณ์ฐ), ROC Curve
์ฌ์๋ ๊ธฐ๊ณํ์ต ์์ ์๊ฐ์ ๋ฐฐ์ ๋ ์ด๋ก ๋ค์ด ๋ ์ค๋ฅธ๋ค.. ๊ทธ๋ ์ด์ฌํ ๊ณต๋ถํ์๋๋ฐ ์ฌ์ค ๊ธฐ์ต์ด ์ ์๋จ
๊ทธ๋๋ ์ต์ํ ๋ชจ๋ธ๋ค์ด๋ ๋ฐฉ๋ฒ๋ก ์ด ๋ณด์ด๋ ๊ฑธ ๋ณด๋๊ฐ ์ ๊ฒฝ์ด์ด์ ์์ ์ ์ ๋ง ๋ง์ ๋์์ด ๋์๊ตฌ๋ ์ถ์.
์ธ๊ณต์ง๋ฅ์ ์ข ๋ ์ด์ฌํ ๋ค์๊ฑธ! ํ๋ ํํ๊ฐ ๋จ์ง๋ง ๊ทธ๋ ๋๋ฌด ๋ฐ๋นณ๋ค.....ใฑ-
'AI > LG Aimers' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
Module 5. ์ธ๊ณผ์ถ๋ก (0) | 2024.01.14 |
---|---|
Module 3. Machine Learning ๊ฐ๋ก (2) | 2024.01.09 |
Module 2. Mathematics for ML (0) | 2024.01.09 |
Module 1. AI ์ค๋ฆฌ (0) | 2024.01.05 |
- Total
- Today
- Yesterday
- StableDiffusion
- ๋ ผ๋ฌธ๋ฆฌ๋ทฐ
- AIRUSH
- ์ฝํ
- AI์ปจํผ๋ฐ์ค
- MYSQL
- DALLE
- SKTECHSUMMIT
- ๋ ผ๋ฌธ์ฝ๊ธฐ
- lgaimers
- ํ๋ก๊ทธ๋๋จธ์ค
- ๊ธฐ์ ์ปจํผ๋ฐ์ค
- ์ฝํ ์ค๋น
- CLOVAX
- ํ ํฌ์๋ฐ
- ๋๋ฆผ๋ถ์ค
- WGAN
- ์คํ ์ด๋ธ๋ํจ์
- C์ธ์ด
- Aimers
- AIRUSH2023
- HyperCLOVA
- ์ฝ๋ฉ์๋ฌ
- gan
- SQL
- dreambooth
- ํ์ด์ฌ
- ๊ตฌ๊ธ์ฝ๋ฉ
- ์ฝ๋ฉ๊ณต๋ถ
- ํ์ด์ฌ์ฝํ
์ผ | ์ | ํ | ์ | ๋ชฉ | ๊ธ | ํ |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |