Видео

안녕하세요 교수님 강의영상 잘 보고 있습니다:) 보다가 궁금한 점이 생겼는데요 CDF, pdf or pmf, mgf가 각각 확률 분포를 유니크하게 결정한다고 하셨는데(일대일로 대응된다고 이해했습니다) cdf와 pdf or pmf 끼리는, 아니면 cdf와 mgf끼리, 또는 pdf or pmf와 mgf끼리는 서로서로 일대일로 대응이 된다고 할 수 있나요??

좋은강의 정말감사합니다

Is there a english version of this lecture?

안녕하세요 교수님 양질의 수업 감사합니다. 아직 통계 초보자라 수업내용 이해가 잘 안되는 부분이 있어서 질문좀 드리겠습니다! 1. 시그마필드의 ‘의미’가 표본공간의 power set의 모든 영역을 조각내 갖고있는 집합모임이라고 하셨는데 (우선, 이게 적확하게 맞나요?ㅠ) 시그마필드가 만약 제일 단순한 구성 {공집합, A, A여집합, 전체표본공간} 이라면, 표본공간의 power set의 모든 조각낸 영역을 다 가지고 있지 않지 않나요?? 2. 시그마필드에서 확률집합함수로 연결되는게 잘 안 됩니다..ㅠ 이 둘을 이어주는게 이게 맞나요? -> ‘확률집함함수의 정의역은 시그마필드이다’ 3. 그래서 결국 확률은 어떻게 구하는건가요? 강의에서 말씀하셨듯이 현대에서는 확률을 넓이, 측도로 정의하는데, 결국엔 여전히 확률을 고전적 확률의 정의(사건의 원소의 수/표본공간 원소의 수)로 구하는거 같아서요..ㅠㅠ 머리싸메고 몇일 고민하다가 안 풀려서 질문 남깁니다 감사합니다!!

스튜던트의 정리 중 (c)번 증명이 잘 이해가 안됐었는데, 친절하고 상세하게 설명해주셔서 이해할 수 있었습니다. 정말 감사합니다!

<내용 일부 정정/보충> 1. 직교행렬(orthogonal matrix)의 행렬식(determinant)이 1이라고 설명했었습니다. 정정: 1과 -1 모두 가능합니다. 예) www.dropbox.com/s/7rhw6skpivnaxma/ch3_5_correction1.jpeg?dl=0 2. 확률변수(또는 확률벡터) X와 Y가 독립이면 임의의 measurable function g, h에 대하여 g(X)와 h(Y)가 독립임을 수업시간에 자명하게 쓰고 있습니다. 혹시 궁금하신 분을 위해 formal proof (어렵지 않습니다)를 첨부합니다. www.dropbox.com/s/t86irqvu5jtqb0l/ch3_5_correction2.jpeg?dl=0

안녕하세요, 양질의 강의 감사드립니다. 혹시 실례지만 PDF 자료들을 받아볼 수 있는 곳이 있을까요? 적어주신 교재를 구매하고 싶은데 해외에서 공부하고 있는데 받는데 시간이 너무 오래걸려서요..

(업데이트) 파이토치 최신버전에서는 w1.grad.zero_() 대신 w1.grad = None 이 사용되고 있습니다. (1.11 공식 매뉴얼 기준)

JIT 설명입니다 (IT공학17 박동연 학생께서 조사하여 주셨습니다): JIT(Just-in Time) 이란? : 인터프리터 방식의 컴파일 방식을 사용할 때, 컴파일러가 파이썬 등의 프로그래밍 코드를 Byte Code로 변환한 후 다시 기계어로 변환하는 작업을 수행하기 때문에 작업 비용이 많이 듦 : 따라서 이러한 단점을 극복하기 위해 실행 시점에서 자주 쓸만한 코드들을 기계어로 변환시켜 놓고 저장해두었다가, 재사용할 대 이미 변화된 기계어 코드를 재사용하는 방식을 의미함 장점: 초기 실행을 제외하고 추후에 코드를 실행할 때마다 미리 기계어로 번역해 놓은 코드들을 재사용함으로써 실행속도가 많이 향상됨. 따라서 재사용이 될 일이 없거나 규모가 작은 프로그램보다는 재사용하는 경우가 많고 규모가 큰 프로그램에서 더욱 용이하게 사용될 수 있음 단점: 초반에 메모리를 잡아두거나 하는 선행 작업이 있기 때문에 초기 실행속도는 다소 느릴 수 있음 파이토치에서 JIT을 사용하는 이유? : 파이토치에서는 강의자료와 같이 스크립트 모듈(Script Compiler Module)을 통해 JIT를 사용한다! : 스크립트 컴파일러(Script Compiler)는 Python 소스 코드를 직접 분석하여 Torch Script로 변환하는 역할을 수행 : TorchScript는 C++과 같은 고성능 환경에서 실행할 수 있는 PyTorch 모델의 중간 표현으로써 해석 가능 : 즉 반복해서 잦게 업데이트하면서 재사용하는 모듈 그래프를 매번 파이썬 코드를 변환해서 사용하는 것 보다는, 스크립트 컴파일러를 통해 미리 TorchScript 형태로 변환을 해놓는 것을 선호! 이는 곧 연산의 런타임을 최적화하고 모델을 저장하거나 내보내는 것까지 용이하게 함! 참고페이지 en.wikipedia.org/wiki/Just-in-time_compilation tutorials.pytorch.kr/beginner/Intro_to_TorchScript_tutorial.html pytorch.org/docs/stable/generated/torch.jit.script.html tutorials.pytorch.kr/recipes/torchscript_inference.html

오 샤이니 검색하다 들어왔습니다. 교수님께 배우는 학생들은 너무 좋겠습니다.ㅎㅎ :) 저희 커뮤니티가 좀 더 커지면 장인 초대석 같은 코너에 한번 모시고 싶습니다.ㅎㅎㅎ

숙명여대 통계학과에서 데이터 마이닝 수업 하신 영상들 잘 보고 있습니다!! 혹시 수업할 때 쓰셨던 R 파일이나 ppt 자료는 따로 올리시지 않으신지 여쭙고 싶습니다!