일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- kubernetes
- LeetCode
- GPT
- POD
- LLaMa
- 컨설팅
- 도커
- OpenShift
- 솔루션조사
- Machine Learning
- vuejs
- jpa
- BFS
- 머신러닝
- Redis
- 오픈시프트
- 생성형
- 생성형 AI
- Python
- fastapi
- 컨설턴트
- 메세지큐
- vue.js
- 리트코드
- 로깅
- Docker
- fast api
- SpringBoot
- k8s
- 쿠버네티스
- Today
- Total
목록머신러닝 (2)
수 많은 우문은 현답을 만든다
선형(linear), 비선형(non linear) 선형 선형회귀란, 주어진 데이터 집합에 대해 종속변수와 n개의 독립변수 사이의 선형 관계를 모델링 하는 것을 말한다. 수식으로 예를들면 y=ax+b (y: 종속변수, x: 독립변수) 처럼 표현할 수 있고 독립변수는 input, 종속변수는 output의 개념으로 생각할 수 있다. 즉 선형회귀는 집합에서 최적의 선을 찾는게 목표이며 독립변수의 계수들이 선형관계에 있는것을 선형이라 한다. 선형회귀는 위 수식처럼 y=ax+b 처럼 표현할 수 있고 b는 절편(=bias), 그리고 a는 기울기 또는 가중치(wieght)라고 한다. x는 파라미터 값으로 직접적인 컨트롤을 할 수 없으며 우리가 궁극적으로 구하려는건 a와 b의 값을 구해서 y(=price, 확률 등)을 ..
왜 머신러닝이 필요할까? 머신 러닝은 경험으로부터 학습해나가는 알고리즘이다. 즉 더 많은 경험을 축적함에 따라 성능이 향상된다고 말할 수 있다. 내가 개발해놓은 소프트웨어가 아무리 성능이 좋다해도, 경험을 쌓거나 스스로 학습할 수는 없기에 머신러닝은 소프트웨어 개발과 대조적인 측면이 있다. 그러나 머신러닝은 항상 동일한 비즈니스 로직을 수행하지 않는다는 관점도 생각해볼 수 있다. 핵심 구성 요소 데이터 올바른 데이터가 있어야 올바른 결과가 나온다. * 스칼라 : 크기만 있고 방향을 가지지 않는 양 (오늘은 영하 10도) * 벡터 : 크기와 방향을 가지는 (어디로 얼마만큼 가야 하나요?) 모델 한 유형의 데이터를 입력으로 예측을 출력하는 계산적 장치 목적 함수(Objective Functions) 모델이 ..