분류 전체보기

1. The Jacobian J is a vector pointing the direction of steepest slope of this function. J는 여러 개의 변수로 구성된 함수 f의 각 변수에 대해 편미분한 것들을 모아놓은 벡터이다. x,y축에 따른 z의 값이 표현된 좌표평면이다. z의 값이 클수록 밝게 표시되고, z의 값이 작을수록 어둡게 표시된다. 이를 등고선으로 표현하면 위와 같다. 여기서 어떤 것의 J 값이 가장 클까? z의 값이 가장 크다고 표현된 A의 J 값이 가장 크고, 가장 어두운 곳에 위치한 B의 J 값이 가장 작은 것이다. 2. Calculating the Jacobian Jacobian(편미분 벡터)를 구하기(3문제) Jacobian에 특정 값 대입하여 계산하기(2문..

1. Variables, constants & context time은 독립변수, speed는 종속변수다. 즉, speed가 time이 커짐에 따라 변화하는 것이지 그 반대가 아니라는 뜻이다. 우리는 이처럼 그래프가 지니는 의미를 파악하고 미분을 결정해야한다. 우리가 수행하는 미분은 '종속변수'에 대한 것이다. 이 예시에서 F는 a와 v에 의해 결정되는 종속변수라고 생각된다. 그리고 m과 d는 상수이다. 하지만 speed에 대한 식에 F가 영향을 주는 경우에서 F는 독립변수가 된다. 또 자동차를 제작하는 상황이라고 한다면 m,d도 독립변수가 될 수 있을 것이다. m에 관한 식에는 h,r,t,p(roh)라는 네 개의 변수가 존재한다. 따라서 1D에 대한 미분을 그대로 수행할 수 없다. 여러 개의 변수가 존..

1. Working with an AI team Specify your acceptance criteria 95%의 정확도를 어떻게 측정할 것인가? 이전에는 AI팀의 퍼포먼스를 측정하기 위해 제공되는 데이터셋을 test set이라고 했다. 이는 통계적으로 확인된다. 따라서 원하는 목표가 통계적으로 어떤 수치 달성을 원하는 것인지 명시할 필요가 있다. How AI teams think about data training set은 A와 B를 mapping할 수 있도록 만드는 input이 된다. 이를 기반으로 획득한 learning 알고리즘을 test set에 적용한다. Ptifall: Expecting 100% accuracy 굉장히 작은 균열만 있더라도 defect로 탐지할 수 있는 애매한 문제들도 존재한..

1. Every job function needs to learn how to use data Sales 인공지능의 발전은 sales 분야를 비롯한 여러 분야에 변화를 일으키고 있다. Data science를 기반으로 해서 machine learning은 이런 분류 작업을 자동으로 처리해준다. Manufacturing line manager 제조업 분야에서도 사람이 직접하던 검수를 인공지능을 통해 자동화하고 더 효율적인 공정 시스템을 만들 수 있다. Recruiting 채용 과정에 있어서도 머신러닝이 이력서 데이터를 기반으로 학습하여 인터뷰를 할 것인지 말 것인지를 판단할 수 있다. Marketing 어떤 방식을 취하는 것이 더 많은 사용자를 유치할 수 있을지에 대한 접근도 머신러닝을 이용하면 된다. 여..

1. Workflow of a machine learning project Example: Speech recognition Key Steps of a machine learning project 1) Echo / Alexa 1. Collect data 실제로 돌아다니면서 사람을 만나 대화 내용을 기록하는 것을 가정 2. Train model Iterate many times until good enough input A로부터 output B가 mapping될 수 있도록 충분히 시행해야 한다. 3. Deploy model Get data back Maintain / update model 예를 들어 British accent로 학습된 모델은 American accent를 잘 인식하지 못할 것이다. 따라서..

1. Effect on the mean 원래의 dataset에 2를 더하면 mean(평균)에 어떤 변화가 생길까? 아주 간단하게 평균값이 2만큼 더 커진 것을 확인할 수 있다. 원래의 dataset에 2를 곱하면 mean(평균)에 어떤 변화가 생길까? 원래의 평균의 2배가 되는 것을 알 수 있다. 이를 일반화한식이 마지막에 적혀있다. 2. Effect on the (co)variance variance는 데이터가 얼마나 흩어져있는지 모여있는지를 파악하는 지표이기 때문에 특정 값을 더한다고 하더라도 분산 자체는 변하지 않는다. 하지만 variance를 구하는 방식이 '데이터들이 평균으로부터 떨어진 거리의 제곱 합'이므로, 특정 값을 곱하게 되면 분산은 그 값의 제곱만큼 커지게 된다. 이를 2차원 이상(다차..