분류 전체보기

1. Finding the coordinates of the projected data determined the coordinates of the optimal projection with respect to the orthonormal basis that spans our principal subspace 2. Reformulation of the objective 3. Lagrange multipliers 4. Finding the basis vectors that span the principal subspace 출처: Coursera, Mathematics for Machine Learning: PCA, Imperial College London.

1. Vector spaces Group이라는 개념과 vector space에 대한 설명이 나와있는 pdf를 공부하도록 되어있다. 굉장히 불충분한 설명과 함께 다양한 기호들이 나열되어 있어서 무슨 뜻인지 하나도 이해가 되지 않는다. 아무래도 서칭을 통해 따로 공부할 필요가 있겠다... 2. Orthogonal complements 만약 n차원 벡터공간 V에 대하여 k차원 부분공간 W가 V에 속할 때, W의 orthogonal complement는 V에 속하는 (n-k)차원 부분공간이다. 그리고 W에 orthogonal하는 모든 V의 vector를 포함한다. 3. Problem setting and PCA objective 높은 차원에 있는 벡터를 낮은 차원의 벡터로 표현하는 것이 목표. 이때 최대한 re..

1. Conclusion What you've learned What is AI? Building AI projects Building AI in your company AI and society 앞으로 공부를 더 해라! 2. Week 4 Quiz 현재 AI 기술의 한계 편향, 차별, adversarial attack에 취약, 설명하기 어려움 인공지능의 기술에 대해 지나치게 낙관/비관적이면 안된다. bias를 예방하는 방법 포괄적이고 덜 편향된 데이터 사용하기 bias를 평가하는 시스템 도입 기술적 해결 adversarial attacks yes대신 no로 인식하게 만들기 이미지를 미묘하게 바꾸고 개 대신 고양이로 인식하게 하기 스티커를 추가하여 원래 사물을 인식하지 못하게 만들기 각 지역별로 강점있는 ..

1. Adverse uses of AI DeepFakes Synthesize video of people doing things they never did Undermining of democracy and privacy Oppressive surveillance Generating fake comments Spam vs. anti-spam and fraued vs. anti-fraud 2. AI and developing economies Developing economies 기술이 발전함에 따라 개발도상국들은 선진국이 이미 거쳐갔던 단계를 반복할 필요가 없다. 성장 단계에 있어서 일종의 '도약'이 가능한 것이다. How developing economies can build AI US and Chin..

1. A realistic view of AI Goldilocks rule for AI Toop optimistic: Sentient / super-intelligent AI killer robots coming soon Too pessimistic: AI cannot do everything, so an AI winter is coming Just right: AI can't do everything, but will transform industries Limitations of AI Performance limitations Explainability is hard (but sometimes doable) Biased AI through biased data Adversarial attacks on..

1. Shallow Neural Networks (Quiz) X는 각 column별로 하나의 training example인 matrix이다. tanh를 activation function으로 사용하면 그 범위가 -1부터 1까지이므로 데이터를 0을 중심으로 모이게한다. 따라서 학습을 보다 간단하게 만들어버려서 제대로 학습이 이루어지지 않는다. binary classification의 output layer activation function은 sigmoid가 적절하다. axis = 0을 기준으로 sum을 하면 행이 날아가고 열이 남는다.(행을 합쳐서 각 열별로 표시) 반대로 axis = 1을 기준으로 sum을 하면 열이 날아가고 행이 남는다.(열을 합쳐서 각 행별로 표시) weight와 bias를 0으로..