| 머신러닝: 개요 |
17 |
| 도구의 역사 |
14 |
| 추론(Reasoning) |
10 |
| 머신러닝이 할 수 있는 일 |
10 |
| 확률, 통계, 머신러닝, 프로그래밍, 오토마타, 수학(논리) 의 관계 |
8 |
| 머신러닝 모델의 종류 (학습 방식에 따른 분류) |
6 |
| 차원축소 (Dimensionality Reduction) |
8 |
| 수학, 과학 |
2 |
| 머신러닝: 수학 |
0 |
| [Big O notation]: 소요시간(or공간)의 상한선 |
6 |
| Bias and Variance (편향과 분산) |
7 |
| 차원(Dimension) |
3 |
| 데이터의 수식표현 |
3 |
| 확률&우도 |
2 |
| 확률분포 |
2 |
| Decision Theory |
2 |
| 가장 그럼직한 결정을 내리는 기계 |
1 |
| 결정 (decision)과 최적화 (optimization) |
1 |
| logit, sigmoid, softmax의 관계 |
1 |
| Tensor |
0 |
| 미분 |
0 |
| KL DIvergence |
0 |
| Bayes's rule & Independence |
1 |
| 머신러닝: 실습 |
0 |
| 실습환경: Colaboratory |
1 |
| Artificial Neural Network (MNIST) |
0 |
| Tensorflow로 인공신경망을 만든다는 것 |
0 |
