- 전체보기(72)
- RNN(8)
- CNN(6)
- Linear Regression(5)
- mml(5)
- kaggle(3)
- 신경망(3)
- cs231n(3)
- overfitting(3)
- Stanford University(3)
- 강화학습(3)
- Deep Learning(3)
- xor(2)
- HUFSTUDY(2)
- Getting Started(2)
- 모두를 위한 딥러닝 시즌 2(2)
- data processing(2)
- XGBoost(2)
- 모두를 위한 딥러닝2(2)
- Logistic Regression(2)
- PyTorch(2)
- dacon(2)
- Neural Networks(2)
- Probability and Distributions(2)
- sigmoid(2)
- cost function(2)
- optimization(2)
- Resnet(2)
- ReLU(2)
- 모두를 위한 딥러닝1(2)
- Backpropagation(2)
- machine learning(2)
- dataset(1)
- Home(1)
- 모두를 위한 딥러닝 1(1)
- Gradient Vanishing(1)
- 협업필터링(1)
- Discrete and Continuous Probabilities(1)
- image folder(1)
- Probability Space(1)
- Multinomial Classification(1)
- BasicBlock(1)
- softmax(1)
- multi-variable(1)
- Problem Formulation(1)
- 딥러닝(1)
- HE(1)
- Kaggle Progression System(1)
- House Prices - Advanced Regression Techniques(1)
- Regression(1)
- 모두를 위한 딥러닝 시즌 1(1)
- matrix(1)
- Convolutional Neural Network(1)
- visdom(1)
- Google Machine Learning Boot Camp(1)
- Trust Region Policy Algorithm(1)
- Multilayer(1)
- padding(1)
- lecture(1)
- packing(1)
- Weight initalizaion(1)
- dropout(1)
- PPO(1)
- Cross Entropy(1)
- minimize(1)
- Q learning(1)
- Timeseries(1)
- DDPG(1)
- 인공신경망(1)
- 모두를 위한 딥러닝(1)
- Maximum Likelihood as Orthogonal Projection(1)
- Google ML Bootcamp(1)
- Sum Rule, Product Rule, and Bayes’ Theorem(1)
- Perception(1)
- Long Sequence(1)
- Maximun Likelihood Estimation(1)
- docker(1)
- 회원가입(1)
- Policy gradient(1)
- 이진분류(1)
- 모두를 위한 딥러닝 2(1)
- 모두를위한 딥러닝2(1)
- 선형회귀(1)
- Neural NETS(1)
- Kaggle tier(1)
- tracking(1)
- and(1)
- or(1)
- Representation(1)
- 코드잇(1)
- Classification(1)
- Gradient Exploding(1)
- Vanishing gradient(1)
- image classification(1)
- 추천시스템(1)
- AI(1)
- Mnist DataSet(1)
- hypothesis(1)
- TRPO(1)
- 머신러닝(1)
- introduction(1)
- 인공지능(1)
- Basic 대회(1)
- basic(1)
- Multivariable(1)
- Sequence Data(1)
- torchivision(1)
- segmentation(1)
- 추천 알고리즘(1)
- Uniform initialization(1)
- Gradient Descent(1)
- reinforcement learning(1)
- Map(1)
- RBM(1)
- loss function(1)
- 여러가지 데이터(1)
- lecture2(1)
- mnist_softmax(1)
- VGG(1)
- 협업 필터링(1)
- Advanced CNN(1)
- charseq(1)
- single-variable(1)
- Internal Covariate Shift(1)
- hihello(1)
- Train(1)
- Learning Rate(1)
- Softmax Classification(1)
- Xavier(1)
- Neural Net(1)
- 로그인(1)
- Neural Network(1)
- Back Propagation(1)
- Intro(1)
- competition(1)
- REINFORCEMENT(1)
- Mnist CNN Model(1)
- Forward Propagation(1)
- 모두를 위한 딥러닝 시즌1(1)
- Object Detection(1)
- Supervised Learning(1)
- Seq2Seq(1)
- Regularization(1)
[HUFSTUDY] Kaggle Getting Started 데이터 분석 -Spaceship Titanic
HUFS Data Scientist : Kim Juwon, Cho Kwonwhi, Baek GunwooSummary :This Data Analysis is done by Juwon Kim and for ML ModelingUsing Pandas(Histogram),
[HUFSTUDY] Kaggle Getting Started 데이터 분석 - House Prices - Advanced Regression Techniques
Final Goal : With 79 explanatory variables describing (almost) every aspect of residential homes in Ames, Iowa, this competition challenges you to pre
Kaggle의 다양한 기능
Navigator Tab좌측에 있는 홈페이지 전환 라우터로 Competition, Datasets, Code, Discussion, Course 등 다양한 탭으로 이동 가능합니다.Your WorkRecently Viewed: 최근에 찾아봤던 대회나 데이터 셋에 대해서
Kaggle Progression System
Kaggle Progression SystemKaggle Progression System은 kaggle의 Data Scientist로서 Tier를 나타내며, 본인의 데이터 사이언티스트 역량을 확인할 수 있도록 만들어졌습니다. 메달을 따고 다양한 대회를 참여를 통해 티
Kaggle 이란 + 회원 가입 방법
Kaggle이란?Kaggle은 전 세계에 있는 모두가 데이터를 분석할 수 있도록 대회를 개최하고, 분석 내용을 토론할 수 있는 커뮤니티를 제공하는 플랫폼입니다.데이터 분석 대회 뿐만 아니라 데이터 분석을 위한 여러가지 데이터 셋, 파이썬, R로 개발 할 수 있는 Not
[Google AI BootCamp MML Study]9. Linear Regression(선형회귀)-Maximum Likelihood as Orthogonal Projection
이글은 Mathematics for Machine Learning 의 Chapter 6의 일부분을 정리한 글입니다. 의역이 포함되어 있으며, Google ML BootCamp 스터디에서 정리한 글을 보고 싶으시다면 이 링크를 따라가시면 됩니다. 최대 우도 함수(Maximum Likelihood Function)과 최대 사후 확률(MAP)의 기하학적 접근 ...
[HUFSTUDY] Dacon SUMMER쇼핑몰 가격 예측 Basic 대회 마무리 코드 & 후기
요약 :대회 참여를 위해 Google Colab Pro 서버를 활용하여 진행했습니다.데이터 분석을 하기 위해 히스토그램, 군집화, 선형성을 확인하였습니다.Machine Learning Model은 scikit-learn에 있는 RandomForest모델을 활용하여 가격
[HUFSTUDY] Dacon SUMMER쇼핑몰 가격 예측 Basic 대회 1주차 코드
요약 :대회 참여를 위해 Google Colab Pro 서버를 활용하여 진행했습니다.데이터 분석을 하기 위해 히스토그램, 군집화, 선형성을 확인하였습니다.Machine Learning Model은 scikit-learn에 있는 RandomForest모델을 활용하여 가격
[Google AI BootCamp MML Study]6. Probability and Distributions(확률분포)-Sum Rule, Product Rule, and Bayes’ Theorem
배경 확률 이론는 논리적 추론의 확장으로 생각할 수 있다. 이 책의 확률의 규칙은 데이터를 충족함으로써 설계 된다.(Jaynes, 2003, 2장, Section 6.1). 확률론적 모델링(Section 8.4)은 머신러닝의 학습 방법의 원칙 및 기초를 제공한다. 일
[Google AI BootCamp MML Study]6. Probability and Distributions(확률분포)-Discrete and Continuous Probabilities
이산 확률
[Google AI BootCamp MML Study]6. Probability and Distributions(확률분포)-Construction of Probability Space
이글은 Mathematics for Machine Learning 의 Chapter 6의 일부분을 정리한 글입니다. 의역이 포함되어 있으며, Google ML BootCamp 스터디에서 정리한 글을 보고 싶으시다면 이 링크를 따라가시면 됩니다.
[Google AI BootCamp MML Study]6. Probability and Distributions(확률분포)-Introduction
확률(probability)를 대략적으로 설명하자면 불확실성(uncertainty)에 대한 연구라고 말할 수 있다. 확률은 또한 사건이 발생할 비율 혹은 사건이 발생할 믿음의 정도라고 볼수도 있다. 이렇게 만들어진 확률을 실험상에서 어떤 일이 발생할 정도를 측정하는데
[HUFSTUDY] 신경망 학습
+) 코드잇 강의 바로가기 > 본 정리내용은 코드잇 강의를 공부하며 함께 정리한 내용입니다! 더 정확하고 자세한 내용을 공부하기 위해서는 "코드잇 머신러닝 실전 강의를 참고해주세요!" 신경망 경사하강법 > 경사하강법이란? 경사하강법은 특정 값에서 미분값을 이용하여
[HUFStudy] 신경망 +
\+) 코드잇 강의 바로가기본 정리내용은 코드잇 강의를 공부하며 함께 정리한 내용입니다! 더 정확하고 자세한 내용을 공부하기 위해서는 "코드잇 머신러닝 실전 강의를 참고해주세요!"신경망은 다양항 데이터를 입력으로 받을 수 있는데, 신경망의 뉴런의 수는 어떤 목적의 무엇
[HUFSTUDY] 신경망 표현
층을 세는 방법 : hidden layer, ouput layer 수만 셈\*총 층수에는 input layer가 표현되지 않음뉴련 출력 표현 형식 : a 로 표기 하며 l을 위첨자로 취하여 해당 층의 출력값을 표현 해줌. Ex) al : l번째 layer의 출력값가중치
[HUFSTUDY] 인공신경망
+) 코드잇 강의 바로가기 > 본 정리내용은 코드잇 강의를 공부하며 함께 정리한 내용입니다! 더 정확하고 자세한 내용을 공부하기 위해서는 "코드잇 머신러닝 실전 강의를 참고해주세요!" Artificial Neural Networks ( 인공신경망 ) 머신 러닝보다
[HUFSTUDY] 행렬 인수 분해
\+) 코드잇 강의 바로가기본 정리내용은 코드잇 강의를 공부하며 함께 정리한 내용입니다! 더 정확하고 자세한 내용을 공부하기 위해서는 "코드잇 머신러닝 실전 강의를 참고해주세요!"인수분해란? 다항식이나 자연수를 여러개의 인수의 곱으로 표현하는 수학개념행렬 인수분해란?
[HUFSTUDY] 협업 필터링
\+) 코드잇 강의 바로가기본 정리내용은 코드잇 강의를 공부하며 함께 정리한 내용입니다! 더 정확하고 자세한 내용을 공부하기 위해서는 "코드잇 머신러닝 실전 강의를 참고해주세요!" \- 협업필터링이란? 협업필터링이란 유저들의 데이터가 유사하다는 전제하에 하는 학습 방