Chapter1 딥러닝을 위한 필수 기초 수학

chapter1-1. 함수

y=f(x)=x^2

chapter1-2. 로그함수

로그 함수의 중요한 성질들

앞으로는 그냥 log라고 써져 있으면 밑이 e인 로그

chapter1-3. 벡터와 행렬

chapter1-4 전치와 내적

전치

내적

90일때 가장 안 닮음, 0일떄 가장 닮음

chapter1-5 극한과 입실론-델타 논법

chapter1-6 미분과 도함수

미분

=순간 변화율

도함수

chapter1-7 연쇄법칙

chapter1-8 편미분과 그라디언트

편미분

그라디언트

chapter1-9 테일러급수

Maclaurin급수

0에서만 일치

테일러 급수

chapter1-10 스칼라를 벡터로 미분하는 법

이미 했던 그라디언트!

chapter1-11 왜 그라디언트는 가장 가파른 방향을 향할까

방향만 보기 위해 델타의 크기를 1로 고정한다면 L(wk+1)-L(wk)가 최대한 양수로 크려면 델타의 방향은 그라디언트 방향과 일치해야함

=>델타만큼 업데이트할 때 그라디어트 방향으로 업데이트하는게 가장 L을 키울수 있는 방향

chapter1-12 벡터를 벡터로 미분

chapter1-13 벡터를 벡터로 미분할 때의 연쇄법칙

chapter1-14 스칼라를 행렬로 미분하는 방법

chapter1-15 행렬을 행렬로, 벡터를 행렬로 미분하는 법

chapter1-16 랜덤 변수와 확률 분포

평균

종류 : 1. 산술평균 2.기하평균 3.조화평균

수업에서 다룰 평균은 기댓값(Expectation)

연속랜덤변수에 대해서 평균을 나타내는 법

분산

평균으로부터 얼마나 퍼져있는지 정도를 알려주는 값

표준편차는 단위를 맞춰주기 위해 만들어졌음 ex)분산 xcm^2 -->표준편차 √xcm

chapter1-17 균등 분포와 정규 분포

균등 분포

정규 분포

chapter1-19 최대우도추정(MLE)

개쩐다,,,나 이거 이해 여태 못했는데 한방에 함

ex)P(카톡빈도|그녀의 마음)->카톡빈도로 그녀의 마음을 알아내기

만약 카톡빈도가 5시간정도라면 그녀의 마음은 나에게 없을 가능성이 큼->이걸 알아내는 게 최대우도추정

즉 P(x|b)이면 b의 값이 최대가 되려면 x가 무슨값이 되어야할까?

chapter1-20 최대 사후 확률

likelihood뿐만 아니라 prior distribution까지 고려한 posterior를 maximiaze하는 것

MLE와 비교하면 p(x)가 추가된 것을 알 수 있고 p(x)를 안다는 것은 x의 분포를 사전에 알고있다는 의미

->사전 정보를 제공해주는 것이므로 prior distribution이라고 함

Chapter 1- 21 정보 이론 기초

 

 

 

 

본 게시글은 패스트캠퍼스 [혁펜하임의 AI DEEP DIVE] 체험단 활동을 위해 작성되었습니다.  

https://bit.ly/3GV73FN