201강부터 230강까지 강, 여섯 단원입니다.
집필 완료. 여섯 단원 30강이 모두 집필되었습니다. 이 과목은 S8(178~200강)을 마치고 관문 5를 통과한 뒤에 읽고, 마치면 S10 딥러닝(231~261강)으로 갑니다.
S8까지가 물은 것은 하나였습니다.
이 과목이 묻는 것은 다릅니다.
둘이 같지 않습니다. 196강 문제 3의 가짜 회귀에서 관계가 전혀 없는 두 자료가 열 번 중 여덟 번 유의했고, 193강 문제 5에서 잘 맞히는 성향점수 모형이 오히려 쓸모없는 모형이었습니다. 잘 맞는 것이 참인 것을 뜻하지 않으며, 그 긴장이 이 과목 전체에 흐릅니다.
그래서 S8에서 세운 가정 목록이 계속 필요합니다. 다만 목표가 바뀌었으므로 판단 기준도 바뀝니다. 참을 알 수 없어도 새 자료에서 잘 맞는지는 잴 수 있고, 그것이 이 과목의 자입니다.
| 단원 | 강의 | 무엇을 하는가 |
|---|---|---|
| 01. 정보의 양 | 201~204 | 재는 자를 만들고 손실함수를 유도합니다 |
| 02. 학습을 최적화로 쓰기 | 205~209 | 학습을 최적화 문제 하나로 적습니다 |
| 03. 일반화의 수학 | 210~214 | 새 자료에서 잘 맞는다는 것을 다룹니다 |
| 04. 고전 지도학습 | 215~220 | 여섯 가지 대표 방법을 세웁니다 |
| 05. 비지도학습 | 221~225 | 라벨 없이 구조를 찾습니다 |
| 06. 평가와 실무 | 226~230 | 재고 고르고 해석합니다 |
01단원과 02단원이 하나의 줄기입니다. 무엇을 최소화할지 정하고 어떻게 최소화할지 답합니다.
03단원이 이 과목의 중심입니다. 학습 자료에서 잘 맞는 것과 새 자료에서 잘 맞는 것이 왜 다른지를 수학으로 다룹니다.
| 앞에서 배운 것 | 이 과목에서 무엇이 되는가 |
|---|---|
| 강 젠센 부등식 | KL의 비음성, 평균 한계효과 |
| ~강 최적화 | 경사하강과 학습 |
| ~강 최대우도 | 손실함수의 유도 |
| ~강 정사영 | 선형회귀의 기하 |
| ~강 고유분해 | 주성분분석과 커널 |
| 강 정규화 | L1과 L2 벌점 |
| ~강 조건부확률 | 나이브 베이즈 |
| ~강 다변량 | 가우시안 혼합과 EM |
| 강 편향과 분산 | 일반화의 분해 |
| ~강 검정 | 평가와 비교 |
| 강 변수선택 | 정규화와 특성공학 |
새로 만드는 것은 많지 않습니다. 앞에서 세운 도구를 예측이라는 목표에 맞춰 다시 배치하는 것이 이 과목의 성격입니다.
| 단원 | 상태 |
|---|---|
| 01. 정보의 양 | 집필 완료 |
| 02. 학습을 최적화로 쓰기 | 집필 완료 |
| 03. 일반화의 수학 | 집필 완료 |
| 04. 고전 지도학습 | 집필 완료 |
| 05. 비지도학습 | 집필 완료 |
| 06. 평가와 실무 | 집필 완료 |
집필된 단원만 링크가 걸려 있습니다.