낡고 지친 회사원

코세라 지도학습 강의 2주차엔 다중회귀와, 다중회귀에 따른 경사하강법을 학습하게 된다. 다중회귀 그냥 파이썬으로 돌릴땐 참 쉬웠는데 ... (아련 #4. Multiple linear regression Multiple features 표기방식 협의 - i번째 집에 대한 특징을 벡터로 나타낼때 표기법과 i번째 집의 j번째 특징을 나타날때 표기법 헷갈리지 말기 - f(x) = w1*x1 + w2*x2 + w3*x3 ... +b = 결국 w의 벡터들과 x의 벡터들간의 매칭곱 + b 로도 표현 가능 Vectorization w = [w1, w2, w3] n=3 x = [x1, x2, x] b = 상수 → numpy 사용 시 np.array([w1,w2,w3])으로 선언 가능 벡터가 없다면 아래처럼 수행해야 함 ..

이 강의 오리지널 버전(코세라 처음 생겼을 쯤)을 듣다가 말았었는데, 그때 그냥 진작에 들을걸... 물론 지금이 강의자료도 더 많고 번역본도 많아서 공부하긴 편하지만 그때 알아뒀으면 출발선이 지금보단 훨씬 앞에 있을 것 같다 흑흑 #2. Regression Model Linear regression model 기존 데이터들에 기반하여 예측선을 그리고, New input이 들어왔을때 해당 선에 매칭되는 output을 예측값으로 하는 것 Process training set (x : features, y : targets) -> learning algorithms(F, 즉 모델) 구축 -> new x(feature)를 모델에 넣어 y(prediction)을 도출하는 것 f(x) = w * x + b Nota..

Coursera의 근본과 같은 코세라 오리지널 머신러닝 강의를 듣기로 했다. [Link] 하루에 8시간씩 공부하면 2주 안에 끝날텐데, 아마..불가능하겠지...?^^ 3주안에 완강을 목표로 달려본다. #1. Supervised vs Unsupervised Learning [What is ML] 정의 machine learning as the field of study that gives computers the ability to learn without being explicitly programmed.(Arthur Samuel) ※예시 : 체스 프로그램을 컴퓨터가 tens of thousands 학습할 수 있게 하며 좋은 체스 플레이어가 되게 함 종류 Supersivsed learning - 현실에서..

얼라리..생각보다 빨리 따버렸다. 총 소요일 : 5일 - 일상생활하며 8시간 가량의 강의 완강 후 기출문제 기반으로 문제 당 2,3개의 모델링 - 다만 머신러닝 기본 서적 완독 후 강의를 들은 것이라, 노베이스라면 시간이 더 걸리지 않을까 생각 후기 1번 : 기본문제 5/5/5 2번 : fashion_mnist 5/5/5 3번 : New Beans 5/5/5 4번 : sarcasm 5/5/5 5번 : HEPC 5/5/5 기출문제 안에서 나와서 문제 푸는 것은 어렵진 않았다. 다만 코랩 기준으로 성능이 괜찮았던 모델들이 오히려 4/4/4가 나오는 바람에 모델을 조금씩 변경하면서 5/5/5로 모두 맞췄다. 공부하다보니 개개인마다 모델 레이어 쌓는 방식이 다른데, 이미지 관련 문제의 경우엔 dropout을 레..

생각보다 원서 접수가 빠르다... 오히려 부트캠프 코스웍 시작했으면 아무 생각 없이 노니노니 하다가 접수를 놓쳤을텐데 부트캠프 코스웍을 시작하지 않게 되면서 오히려 정보를 빠르게 확보할 수 있었다 (덜덜덜) 아무리 회사에서 이것저것 해봤다. 해도 내 소속은 Hr이었기 때문에 나에 대해 증명할 서류들이 필요한데 그 서류를 지금에서라도 확보해야겠다 싶어서 빠르게 자격증 위주로 따놓으려고 한다. 다행히 지난달에 열심히 달린 텐서플로우 기반 딥러닝 도서 덕에 기본기는 있고, 빠르게 복습하면서 취득하려고 한다. 기초 학습 모두의 딥러닝 [완료] 제시하고 있는 모든 내용이 텐서플로우 기반으로 작성되어 다시 복습하면서 공부 준비 인프런 텐서플로 자격증 취득 과정 [완료] 모두의 딥러닝 내용 빠르게 복습하는 차원 학습..