Latest revision as of 15:39, 4 July 2016

The Singularity Is Near.... ~ 친알파 ~

  스터디 시간은 월요일 2시 경으로 진행하고 싶습니다

소개

ML 스터디
내용 정리 다시 합니다.
휴학생이라 집에서 혼자 공부 중

목표

ML에 대한 포괄적인 스터디 진행 예정
천천히 오래동안 진행 할 예정
사실 ML을 배워서 게임에 적용을 하거나 적용 방법을 확립하여 실험하고 싶습니다. 개인적으로.

참가원

유재범

스터디

스터디 페이지

SIN/20160314
3월 21일 서류 쓰느라 패스
3월 28일. 페이지 따로 만들기 귀찮아서 그냥 이걸로 써야지. linear regression in one value 영상을 다 보았습니다.
4월 03일. "시작해요, 언리얼" 행사 참가로 토요일 ML 스터디 탈주 및 해당 스터디의 진도에 조금 늦어서 영상을 한번 더 봤습니다. 이번에 본 부분은 Linear Regression with Multiple Variables.
5월 16일. 언젠지 모르겠지만 저번에 Logical regression을 봤고 오늘은 Neural Network를 봤습니다.
- 내용을 한번에 정리 할 수 없습니다. 나중에 한번 더 보고 정리 해보겠습니다.

이곳에서부터 다시 정리합니다.

Week 1

ML이란?
- 프로그램에 명시하지 않더라도 스스로 배울 수 있도록 하는 과학

ML의 적용 예시 소개

Supervised Learning
- 우리가 알고리즘에 정확한 답을 알고 있는 data set을 주는 것
- 옳바른 데이터를 전달하면 이를 분석하여 다른 옳바른 데이터를 생성
- Ex) 유방암 검사

Unsupervised Learning
- Data set의 정보와 cluster 된 그룹의 차이를 자세히 몰라도 나누어진 그룹을 구분 할 수 있다.
- Ex) google, DNA, Cocktail Party Problem

몇 가지 문제 예시 소개
- Regression Problem
- 주어진 데이터를 기반으로 연속적인 값을 예측하는 문제
- Classification
- 이산적인 문제 해결
- 사실 케이스가 2개 이상이어도 된다.
- 케이스 간의 서로 독립적이어야 한다.
- Cluster
- data set을 같은 것끼리 그룹을 묶는 것

Linear Regression
- data가 1차 함수 형태로 나타날거라 가정하고 예측
- h(x) = septa0 + septa1*x
- h(x) = hypotheses
- x = data
- 실제 주어진 값 y와 hypotheses의 차이를 최대한 줄이는 것이 목적

cost function
- 실제 값과 구한 값의 차이를 나타내는 함수
- Least Square
- Least Square Wikipedia
- 한국어 설명 블로그
- Gradient Descent
- Gradient Descent Wikipedia
- 한국어 설명 블로그

Week 2

Week 3

Week 4

Week 5

Week 6

Week 7

Week 8

참고자료

앤드류 응의 ML 강의 - 스탠포드
enroll 해야 볼 수 있습니다.

페이지 댓글

공지

잡담

알알못 머알못 ML을 하고 싶어 던져봅니다 - 유재범
신의 탑 작가 이름이 SIU 라서 신의 탑을 오르는줄 착각을... -[bluemir]
- 사실 삼각함수를 노렸습니다... - 유재범

활동지도/2016

@@ Line 7: / Line 7: @@
 = 소개 =
 * ML 스터디
-* 월요일 1시에 수업이 끝납니다. 2시 쯤에 시작하고 싶습니다. 시간이 변동되지 않았으면 좋겠습니다...~ (집에 일찍 가고 싶어요) ~
+* 내용 정리 다시 합니다.
-* 개인 스터디라 공유하기 좀 그렇습니다....
+* 휴학생이라 집에서 혼자 공부 중
 == 목표 ==
 * ML에 대한 포괄적인 스터디 진행 예정
-* 각 챕터 이후 구현 및 적용 방안에 대한 논의 진행 예정
 * 천천히 오래동안 진행 할 예정
 * 사실 ML을 배워서 게임에 적용을 하거나 적용 방법을 확립하여 실험하고 싶습니다. 개인적으로.
 == 참가원 ==
-{| class="wikitable"
+[[유재범]]
-|-
-| 납치범
-| [[유재범]]
-|-
-| rowspan="1" | 피해자
-| 이름 적고 칸 늘려주세요.
-|}
-== 스터디 시간 ==
-* 월요일 오후 2시 '''(예정)'''
 = 스터디 =
@@ Line 37: / Line 26: @@
 * 5월 16일. 언젠지 모르겠지만 저번에 Logical regression을 봤고 오늘은 Neural Network를 봤습니다.
 ** 내용을 한번에 정리 할 수 없습니다. 나중에 한번 더 보고 정리 해보겠습니다.
+-------
+* 이곳에서부터 다시 정리합니다.
+=== Week 1 ===
+* ML이란?
+** 프로그램에 명시하지 않더라도 스스로 배울 수 있도록 하는 과학
+* ML의 적용 예시 소개
+* Supervised Learning
+** 우리가 알고리즘에 정확한 답을 알고 있는 data set을 주는 것
+** 옳바른 데이터를 전달하면 이를 분석하여 다른 옳바른 데이터를 생성
+** Ex) 유방암 검사
+* Unsupervised Learning
+** Data set의 정보와 cluster 된 그룹의 차이를 자세히 몰라도 나누어진 그룹을 구분 할 수 있다.
+** Ex) google, DNA, [https://en.wikipedia.org/wiki/Cocktail_party_effect Cocktail Party Problem]
+* 몇 가지 문제 예시 소개
+** Regression Problem
+** 주어진 데이터를 기반으로 연속적인 값을 예측하는 문제
+** Classification
+** 이산적인 문제 해결
+** 사실 케이스가 2개 이상이어도 된다.
+** 케이스 간의 서로 독립적이어야 한다.
+** Cluster
+** data set을 같은 것끼리 그룹을 묶는 것
+* Linear Regression
+** data가 1차 함수 형태로 나타날거라 가정하고 예측
+** h(x) = septa0 + septa1*x
+** h(x) = hypotheses
+** x = data
+** 실제 주어진 값 y와 hypotheses의 차이를 최대한 줄이는 것이 목적
+* cost function
+** 실제 값과 구한 값의 차이를 나타내는 함수
+** Least Square
+** [https://en.wikipedia.org/wiki/Least_squares Least Square Wikipedia]
+** [http://darkpgmr.tistory.com/56 한국어 설명 블로그]
+** Gradient Descent
+** [https://en.wikipedia.org/wiki/Gradient_descent Gradient Descent Wikipedia]
+** [http://darkpgmr.tistory.com/133 한국어 설명 블로그]
+=== Week 2 ===
+=== Week 3 ===
+=== Week 4 ===
+=== Week 5 ===
+=== Week 6 ===
+=== Week 7 ===
+=== Week 8 ===
 == 참고자료 ==
 * [https://www.coursera.org/learn/machine-learning 앤드류 응의 ML 강의 - 스탠포드]
-* [https://class.coursera.org/ml-003/lecture 앤드류 응의 강의(위랑 같을듯요)]
+* enroll 해야 볼 수 있습니다.
 = 페이지 댓글 =