본문 바로가기

728x90

대외활동/2023 LG Aimers 3기7

LG Aimers 3기 수료 2023. 12. 31.

Module 7. 딥러닝 (Deep Learning) (KAIST 주재걸 교수) 날짜: 2023년 7월 15일 Part 1. Introduction to Deep Neural Networks 1. Deep Learning : 신경세포들이 망을 이루어서 정보를 교환하고 처리하는 과정을 본따서 만든 방식을 의미함 2. 심층 신경망의 기본 동작 과정 - Big Data의 필요 - GPU Acceleration - Algorithm Improvements 3. Perceptron - 퍼셉트론은 생물학적인 신경계(Neual Network)의 기본 단위인 신경세포(=뉴런)의 동작 과정을 통계학적으로 모델링한 알고리즘 4. Forward Propagation - 행렬 곱을 통해 sigmoid function과 같은 actiavtion function을 지나면 결과 값이 나옴 5. MSE - 에러.. 2023. 7. 15.

Module 6. 강화학습 (Reinforcement Learning) (고려대학교 이병준 교수) 날짜: 2023년 7월 13일 Part 1. MDP and Planning : Markov Decision Process의 약자 Sequential Decision Making under Uncertainty를 위한 기법 강화학습(Reinforcement Learning, RL)을 위한 기본 기법 알고리즘(transition probability, reward function)을 알고 있을 때는 MDP(stocasitc control 기법)을 이용 알고리즘을 모르고 simulation 결과(reward 값)를 활용할 때는 강화학습을 이용 https://velog.io/@recoder/MDP%EC%9D%98%EA%B0%9C%EB%85%90 S : set of states(state space) state .. 2023. 7. 15.

Module 5. 지도학습 (분류/회귀) (이화여자대학교 강제원 교수) 날짜: 2023년 7월 8일 Part 1. SL Foundation 1.Supervised Learning - label값이 있는 것을 말함 - training과 test 단계가 존재함 - feature의 경우, domain 지식이 어느 정도 필요함 - 딥러닝의 경우, feature를 스스로 학습하기도 함 - SL의 경우, training error, val error, test error을 통해 generalization error을 최소화하도록 하는 노력을 하게 됨 - loss function=cost function 2. Bias-variance trade-off - bias와 variance의 trade off를 잘 조정해서 최적의 generalization error를 만드는 것이 중요함 - 딥.. 2023. 7. 8.

Module 4. Bayesian (고려대학교 김재환) 날짜: 2023년 7월 4일 Part1. Principle and Structure 1. Bayesian 원리 및 작동방식 Part 2. Estimation Algorithm 1. Joint Probablity Distribution(결합 확률 분포) 결합 분포란 확률 변수가 두 개 이상일 때 여러 사건이 동시에 일어날 확률을 말함. 2. Bayesian 추정 알고리즘 3. Random Walk Metropolis-Hastings Algorithm 1. Posterior Distribution 적분하지 않고 할 수 있는 방법: Prior * Likelihood 2. Gibbs Sampling 위의 방식으로 안될 경우 사용 parameter의 conditional 분포를 알 경우, Gibbs samplin.. 2023. 7. 4.

Module 3. SCM & 수요예측 (고려대학교 이현석 교수) 날짜: 2023년 7월 3일 Part 1. Forecasting (1) 1. 수요예측 기법 및 예측 오차 과거에 observe된 데이터를 가지고 예측 Naive Method 과거 period 정보를 가지고 예측 2. The simple Average - 평균값을 활용한 예시 ⇒ 이렇게 되면 8, 10년 전 데이터도 다 사용하게 됨 ⇒ 이게 과연 의미가 있는가 ⇒ 최근 몇 년꺼 만 가지고 오자 ⇒ Method 3 3. The Moving Average Forecast 과거의 3개월치만 가지고 가져와서 예측하는 방식 ⇒ 동일한 가중치를 주는게 맞는가 (과거와 최근 데이터의 가중치가 동일) ⇒ 최근 데이터에 가중치를 더 주는게 맞지 않나 4. Weighted Moving Average Forecast 3개월치.. 2023. 7. 4.

이전 1 2 다음

728x90

티스토리툴바