본 게시물은 네이버 부스트코스 주재걸 교수님의 '인공지능을 위한 선형대수' 강의를 듣고 요약하였습니다. Basis & Dimension (기저와 차원) Subspace 의 Basis는 다음과 같은 조건을 만족한다.Fully spans the given subsapce H : subspace H로부터 Fully span 된 상태Linearly independent (no redundancy) : 중복을 허용하지 않음. Change of Basis: Subspace도 같고, 주어진 점도 같은데 이를 표현하는 기저벡터가 달라졌을 때 Standard Basis Vector : standard basis vector는 다음과 같은 조건을 만족함 Dimension of Subspace (Subspace ..
본 게시물은 네이버 부스트코스 주재걸 교수님의 '인공지능을 위한 선형대수' 강의를 듣고 요약하였습니다. Linear Combination (선형 결합)Matrix equation 을 Vector equation으로 만들기 다음과 같이 행렬방정식을 벡터 방정식으로 변환할 수 있음 SpanThe set of all linear combinations of v1, v2, .... vp선형 결합을 통해 만들 수 있는 벡터 집합을 말한다. 다음과 같은 벡터들이 존재할 때, 벡터의 선형 결합으로 만들어 낼 수 있는 모든 벡터의 존재의 집합을 Span 이라고 한다. Q. Vector equation으로 봤을 때, $Ax = b$ 의 연립 방정식 해가 존재할 것인가?$Ax = b$의 값이 재료벡터 x1, x2, ..
본 게시물은 LG aimers 과정에서 서울대학교 김건희 교수님의 Machine Learning 개론 강좌를 참고로 정리하였습니다. Type of Learning Supervised Learning (지도학습) 기계 학습 알고리즘에 input에 따라 어떤 output이 나와야 하는지 알려주는 알고리즘 Classification / Regression Unsupervised Learning (비지도 학습) Clustering Anomaly Detection Density Estimation 데이터상에서 특이한 것을 걸러 낼 때 (Outlier, anomaly ....) Semi-Supervised Learning 학습 데이터들을 줄 때 몇몇 데이터들은 x, y를 모두 주고 몇몇 데이터들은 x만 주는 경우 ..
본 게시물은 '딥러닝을 이용한 자연어 처리 입문' 도서를 참고하여 정리하였습니다. https://wikidocs.net/book/2155 딥 러닝을 이용한 자연어 처리 입문많은 분들의 피드백으로 수년간 보완된 입문자를 위한 딥 러닝 자연어 처리 교재 E-book입니다. 오프라인 출판물 기준으로 코드 포함 **약 1,000 페이지 이상의 분량*…wikidocs.net 딥러닝 기초를 다시 복습하면서, 꼭 알아야 할 개념들을 정확히 짚고 공부해보고자 자연어 처리 task에서 주로 사용되는 RNN과 LSTM을 복습하여 정리하였습니다. [RNN]RNN 이란? RNN은 Recurrent Neural Network 라고 불리며, 말 그대로 주기적으로 되풀이되거나 반복되는 것을 이용..
본 게시물은 네이버 부스트코스 주재걸 교수님의 '인공지능을 위한 선형대수' 강의를 듣고 요약하였습니다. 선형 대수 기초Matrix의 종류Square Matrix Rectangular MatrixTranspose Matrix(AB)를 Transpose 하게 되면 B^T, A^T로 순서가 변경됨(i, j) component $A(i, j)$** Vector 도 Matrix의 한 종류로서 생각할 수 있음! ** Linear Equation & Linear System연립방정식을 선형대수를 이용해 직관적으로 풀이할 수 있음. 이렇게 $Ax = b$ 꼴로 나타낼 수 있는데, 이는 뒤에서 선형 결합 문제 풀이에서 응용할 수 있음. 항등 행렬과 역행렬 항등행렬 : Diagonal Entry 가 모두 1이고 ..
개별로 숫자가 들어올 때마다 자릿수를 변화하며 숫자 구성하는 방법 res = 0 # x 에 대해서 for문이 돌아갈 때 res = res * 10 + x