MMD#확률#통계#머신러닝#과제#베이즈#가설검정#면접준비
확률·통계 실무 개념 과제: ML 현장에서 마주치는 추론 문제들
확률 기초, 베이즈 정리, 분포, MLE/MAP, 신뢰구간, 가설검정까지 — 머신러닝 실무 시나리오로 배우는 확률통계 개념 과제 모음입니다.
·12분 읽기
카테고리
MMD
총 17개의 포스트
MMD#확률#통계#Python#NumPy#scipy#코딩과제#머신러닝
확률·통계 코딩 과제: Python으로 구현하는 ML 통계 도구
베이즈 업데이트, 분포 시뮬레이션, CLT 검증, MLE/MAP 구현, 신뢰구간, 가설검정, A/B 테스트 파이프라인까지 — 확률통계 1~4장을 코드로 구현합니다.
·18분 읽기
MMD#확률#통계#머신러닝#신뢰구간#가설검정#t분포#p값
신뢰구간과 가설검정: 머신러닝 확률통계 4장
신뢰구간의 개념과 계산, t분포, 가설검정의 원리(귀무/대립가설, p값, 기각역, 검정력), 다양한 t검정과 A/B 테스트까지 정리했습니다.
·14분 읽기
MMD#확률#통계#머신러닝#MLE#베이즈#중심극한정리
표본, MLE, MAP: 머신러닝 확률통계 3장
모집단과 표본, 대수의 법칙, 중심극한정리, 최대 우도 추정(MLE), 최대 사후 추정(MAP), 정규화까지 머신러닝 추정의 핵심을 정리했습니다.
·13분 읽기
MMD#확률#통계#머신러닝#기댓값#공분산#다변수분포
기댓값, 분산, 공분산: 머신러닝 확률통계 2장
기댓값·분산·표준편차, 왜도·첨도 등 분포 기술 통계와 결합 분포·주변 분포·조건부 분포·공분산·상관계수·다변수 정규 분포를 정리했습니다.
·12분 읽기
MMD#확률#통계#머신러닝#확률분포#베이즈정리#정규분포
확률의 기초와 확률 분포: 머신러닝 확률통계 1장
확률의 기본 개념, 조건부 확률, 베이즈 정리, 이항·정규·카이제곱 분포까지 머신러닝에서 필요한 확률·통계의 핵심을 정리했습니다.
·14분 읽기
MMD#선형대수#머신러닝#과제#실무#면접준비
선형대수 실무 개념 과제: ML 현장에서 마주치는 문제들
행렬 특이성, 랭크, 고유값, PCA 등 선형대수 개념을 머신러닝 실무 시나리오에 적용하는 개념 과제 모음입니다. 각 문제는 실제 ML 파이프라인에서 자주 마주치는 상황을 기반으로 합니다.
·10분 읽기
MMD#선형대수#Python#NumPy#코딩과제#머신러닝#PCA
선형대수 코딩 과제: NumPy로 구현하는 행렬 연산
NumPy를 사용해 행렬 연산, 가우스 소거법, 고유값 분해, PCA를 직접 구현해보는 코딩 과제입니다. 각 문제에 단계별 힌트와 전체 풀이 코드가 포함되어 있습니다.
·15분 읽기
MMD#선형대수#머신러닝#고유값#PCA#차원축소#공분산행렬
고유값·고유벡터와 PCA: 선형대수 기초 4장
행렬식의 기하학적 의미, 기저와 생성, 고유값·고유벡터 계산, 차원 축소(PCA)의 작동 원리와 수식, 마르코프 행렬까지 선형대수 핵심을 완결합니다.
·15분 읽기
MMD#선형대수#머신러닝#벡터#행렬곱셈#뉴럴네트워크#퍼셉트론
벡터, 선형 변환, 행렬 곱셈과 역행렬: 선형대수 기초 3장
벡터의 노름·점곱·스칼라 곱, 선형 변환의 개념, 행렬 곱셈, 역행렬 계산법, 그리고 이 모든 개념이 뉴럴 네트워크(퍼셉트론)에서 어떻게 연결되는지 정리했습니다.
·13분 읽기
MMD#선형대수#머신러닝#행렬#수학#가우스소거법
소거법, 행 사다리꼴, 가우스 소거법: 선형대수 기초 2장
소거법으로 선형방정식을 푸는 방법, 행렬의 행 사다리꼴(REF)과 기약 행 사다리꼴(RREF), 가우스 소거법, 랭크(Rank)까지 핵심 개념을 정리했습니다.
·12분 읽기
MMD#선형대수#머신러닝#행렬#수학#딥러닝
선형방정식 시스템과 행렬의 특이성: 선형대수 기초 1장
선형방정식 시스템이 머신러닝에서 어떻게 활용되는지, 특이행렬과 비특이행렬의 차이, 선형 독립/종속, 행렬식 계산법까지 핵심 개념을 정리했습니다.
·10분 읽기
MMD#미적분#머신러닝#과제#최적화#역전파#면접준비
미적분 실무 개념 과제: ML 최적화 현장에서 마주치는 문제들
미분, 손실 함수 최적화, 경사 하강법, 역전파 개념을 머신러닝 실무 시나리오에 적용하는 개념 과제 모음입니다. 각 문제는 실제 모델 학습 현장에서 자주 마주치는 상황을 기반으로 합니다.
·10분 읽기
MMD#미적분#Python#NumPy#코딩과제#경사하강법#역전파
미적분 코딩 과제: NumPy로 구현하는 최적화 알고리즘
수치 미분, 경사 하강법, 퍼셉트론 역전파, 뉴턴 방법을 NumPy로 직접 구현하는 코딩 과제입니다. 각 문제에 단계별 힌트와 전체 풀이 코드가 포함되어 있습니다.
·16분 읽기
MMD#미적분#머신러닝#경사하강법#역전파#뉴럴네트워크#뉴턴방법
경사 하강법과 뉴럴 네트워크 최적화: 머신러닝 미적분 3장
경사 하강법의 원리와 학습률, 퍼셉트론 회귀·분류, 역전파, 그리고 뉴턴 방법과 헤시안까지 뉴럴 네트워크 최적화의 핵심을 정리했습니다.
·13분 읽기
MMD#미적분#머신러닝#최적화#경사하강법#그래디언트#편미분
최적화, 편미분, 그래디언트: 머신러닝 미적분 2장
손실 함수 최적화, 제곱 손실과 로그 손실의 미분, 편미분과 그래디언트의 개념, 그래디언트로 최솟값 찾기까지 머신러닝 최적화의 핵심을 정리했습니다.
·11분 읽기
MMD#미적분#머신러닝#미분#도함수#최적화#딥러닝
미분의 개념과 주요 미분 공식: 머신러닝 미적분 1장
머신러닝 최적화의 핵심인 미분(derivative)을 직관적으로 이해하고, 상수·다항함수·지수·로그·삼각함수의 미분 공식과 스칼라 곱·합·곱·연쇄 법칙까지 정리했습니다.
·12분 읽기