데이터 과학

인공지능을 공부하다 보면 많은 수학이론들이 나오고 이를 이해하지 못하면 인공지능의 본질을 이해할 수 없다는 것을 알 수 있습니다. 인공지능뿐만 아니라 컴퓨터 알고리즘도 수학이론들을 기반으로 만들어진 학문입니다.  특히, 인공신경망을 기반으로 작성되는 옵티마이저를 적용하는 CNN이나 RNN에서 수학이론을 이해하지 못하면 알고리즘의 전체적인 내용을 이해하기 어렵습니다.  그렇기에 처음부터 쉬운 내용으로 인공신경망에서 사용되는 알고리즘을 이해하는 것이 중요합니다.   - 인공신경망에서 사용되는 수학 이 챕터에서 보면 인공신경망에서 사용되는 수학이론에 대한 내용이 있습니다. 행렬과 함수, 선형 방정식과 미분에 대한 내용이 있습니다. 이를 이해하면 간단하고 오래된 오류역전파 이론을 이해할 수 있습니다.  오류역전..

인공지능을 처음 접할 때 무엇부터 공부를 해야 할 때는 인공신경망부터 해야 할까요?  공부를 해보니 인공신경망은 알고리즘적인 내용이 많아서 빅데이터 통계학이나 데이터마이닝을 먼저 해 보는 것이 좋습니다. 관련 서적이나 인터넷 검색으로 기본적인 내용을 조금 공부해야 합니다.  통계학에서 베이지안 이론은 과거와 현재에도 인공지능 이론중에 하나로 사용하고 있습니다. 이 블로그에서도 베이지안 이론을 소개하고 있습니다. https://tsyoon.tistory.com/33 베이즈 정리두 확률 변수의 사전 확률(Prior Probability)과 사후 확률(Posterior Prob.)의 관계를 나타내는 정리입니다. 사전 확률을 기반으로 사후 확률을 구할 수 있는 방법으로 베이즈 정리를 사용하는데 조건부tsyoon..

오류역전파는 정방향(forward) 알고리즘으로 순차적으로 연산을 진행하는 알고리즘입니다. 앞에 있는 행렬을 학습하고 입력값과 가중치(weight) 값을 연산하면 출력값이 나타나는데 이 출력값을 그냥 반영하면 안 되고 이를 변형해야 합니다. https://tsyoon.tistory.com/144 인공신경망에서 행렬 인공 신경망에서 행렬 이론은 중요한 역할을 합니다. 인공 신경망에서 입력 데이터와 가중치를 행렬로 표현하고, 이를 행렬 곱셈을 통해 계산하는 것이 기본적인 방법 중 하나입니다. 이를 통해 tsyoon.tistory.com 위 행렬 예제에서 가중치에 있는 값을 입력값과 연산을 해 봅시다. W1 = [[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]] h = W1 * x = [[0.1, ..

컨볼루션 뉴럴네트워크 이후에 많이 듣는 이론이 RNN입니다. 이미지 프로세싱에서는 CNN을 이용하는데 RNN은 텍스트 관련 처리 기술에 대한 내용입니다. 이에 대한 내용을 Understanding LSTM Networks 논문이나 스탠퍼드 대학의 동영상 강의 cs231n에 잘 나와 있습니다. http://cs231n.stanford.edu/index.html Stanford University CS231n: Deep Learning for Computer Vision Course Description Computer Vision has become ubiquitous in our society, with applications in search, image understanding, apps, mappi..