2. Preliminaries
딥러닝 시작을 위해, 몇가지 기본 스킬을 쌓을 필요가 있다. 모든 기계학습은 데이터에서 정보를 빼내는 것에 초점을 둔다. 그래서 우리는 데이터를 저장하고, 다루고, 전처리하는 전형적인 스킬부터 배우기 시작할 것이다.
더나아가, 기계 학습은 일반적으로 큰 데이터 세트를 사용하여 작업해야 하며, 행은 example 열은 attribute에 대응 하는 테이블로 생각할 수 있다. 선형 대수는 표 형식의 데이터를 작업하기 위한 강력한 기술을 제공한다. 우리는 너무 깊이 파고들지 않고 매트릭스 연산의 기본과 그 구현에 초점을 맞출 것이다.
덧붙여서, 딥러닝은 모두 최적화(optimization)에 대한 것이다. 우리는 어떤 파라미터를 가진 모델을 가지고 있고 우리의 데이터에 가장 잘 맞는 파라미터를 찾고싶어한다. 알고리즘의 각 단계에서 각 매개변수를 어느 방향으로 이동시킬지 결정하는 것은 약간의 미적분이 필요하며, 이것은 간략하게 소개될 것이다. 다행히 autograd 패키지는 우리를 위해 자동으로 차별화를 계산하며, 다음에 다룰 것이다.
다음으로, 기계 학습은 예측을 하는 것과 관련이 있다: 우리가 관찰하는 정보가 주어졌을 때, 알려지지 않은 속성의 가능한 가치는 무엇인가? 불확실성 하에서 엄밀히 추론하기 위해 우리는 확률의 언어를 호출할 필요가 있을 것이다.
마지막에서, 공식 문서는 이책을 뛰어넘는 수많은 설명과 예시를 제공할 것이다.
이 책은 딥러닝을 제대로 이해하는데 필요한 수학적 내용을 최소한으로 유지해왔다. 그렇다고 이 책이 수학이 없는 것은 아니다. 따라서 이 장은 누구나 최소한 책의 수학적 내용을 이해할 수 있도록 기초적이고 자주 사용되는 수학에 대한 빠른 소개를 제공한다. 수학적 내용을 모두 이해하려면 수학에 대한 온라인 부록을 더 검토하면 된다.
