Day 1. ML - training data set을 학습(supervised 또는 unspervised learning)통해 예측 모델 프로그래밍. Supervised learning 의 학습하는 data의 training/labeling 에 따라 regression 또는 classification(binary-또는 multi-) 통해 예측모델 만들어내. 기계가 학습하는게 무서운게 아이가 언어를 배우고 지능 발달을 튱해 판단과 행동을 결정하는 하나의 인격체(모델??)로 성장하는 것과 참 비슷해보이기 때문이다.. 이미 알파고가 인간의 뇌과학을 넘어서 슈퍼파워를 증명했다. ㅠ
무엇이 ML(MACHINE LEARNING)인가? EXPLICIT PROGRAMMING은 한계가 많다. 모든 경우를 일일이 나눠서 해결하기 어려운 대표적인 사례가 바로 SPAM이다. 자동적으로 컴퓨터에게 명시적으로 프로그래밍하지 않아도 알아서 배울 수 있는 능력을 심어주는 건 어떨까 하는 생각 SUPERVISED LEARNING -> DATA (LABELED) 예를 들어 사진을 구분하는 기술에서, 사진을 줄 때 컴퓨터에게 이 사진이 고양이인지 개인지 컵인지 알려주는 것(LABELING) UNSUPERVISED LEARNING -> UNLABELED DATA 좋은 뉴스를 고르는 것처럼 매번 알려줄 수 없는 데이터를 기반으로 학습하는 것 REGRESSION: 시험성적을 예측하는 것 -> 0 ~ 100 사이 BINARY CLASSIFICATION - PASS OR FAIL LETTER GRADE (A,B,C,D, AND F) - MULTI-LABELED CLASSIFICATION
교수님 강의중에 질문이있어서 질문드립니다. letter grade based on time spent는 multi label classification인지 multi class classification인지 궁금합니다. 추가적으로 찾아보던중 두가지 classification의 차이가 하나의 instance에 대해서 한가지 label를 가지는 아니면 여러개의 label을 동시에 가지는지 인것같은데, 혹시 제가 잘못 이해한 것인가요?
강의 잘보고 있습니다 ^^ . 맥북에서 skim 으로 pdf에 손글씨 입력하실때 어떤방식으로 입력을 하시는것인지 궁금합니다. 저도 강의 들으면서 pdf자료에 손으로 필기하고 싶은데 이쁘고 빠르게 입력이 되지 않아서요. 혹시 펜마우스를 사용하시나요? 앞으로도 유익한 강의 부탁드리겠습니다. 감사합니다.
우선 정말 인공지능 관련 자료 찾기힘든데도 좋은정보 주셔서 감사합니다. 여기다 질문을 올려도되는지 모르겠지만 물어보겠습니다..단층 퍼셉트론 관련 자료를 보는데 계속 바이어스(bias)를 설정하라는데 저는 이것을 왜 설정하는지 이해할수가 없습니다.. 왜 설정해야 하는지 알려주실 수 있나요?
내용이 잘못된게 많네요. supervised learning 과 unsupervised learning은 통계 회귀분석 기법이고 이 통계기법을 explicit 하게 구현하여 사용하는 것인데 왜 이걸 explicit 하지 않다고 하는거죠? 또 classification 역시 regression의 일종인데 왜 둘이 다르다고 이야기 하는지 이해가 안되네요. Regression은 방법론이지 모델이 아닌데 자꾸 모델이라고 이야기 하는것도 잘못된 설명입니다.
생물정보학을 전공하고 있는 학생인데요, 너무 감사합니다. 잘 활용해 보도록 하겠습니다.
정말 감사합니다. 교수님 덕분에 머신러닝을 성공적으로 입문했습니다.
너무 강의가 좋아서 이해가 바로 되네요 정말 감사합니다
8년 전이라니... 감사히 잘 보겠습니다.
인공지능 뭐부터 공부해야할지 막막 했는데 올려주신 동영상으로 많은 도움을 받고 있습니다. 감사합니다. ^^
뒤늦게 강의를 보고 학습하고 있습니다. 좋은 강의 고맙습니다!!
6월 6일 시작합니다 정말 강의가 좋네요 완강하겠습니다 감사합니다
이렇게 좋은 강의를 이제야 발견했습니다. 앞으로 열심히 듣겠습니다!
소중한 강의 정말 감사합니다! 덕분에 머신러닝의 첫걸음을 갈수 있어 행복합니다 ^^ 이런 영상은 정말 멀리멀리 많이 알려져야합니다!!
정말 좋은 설명이네요! 차분하고 좋아요
너무 소중하고 유익한 영상 잘 보고 갑니다 교수님...
20201226 입문합니다 46인데 47까지 끝내볼랍니다 ^^
좋은 강의 너무 감사드립니다!
안녕하세요. 감사히 공부하고 있어요.
2024년 11월 18일 월 04시 태평양 시간
2020.04.07 시작
감사히 잘 보겠습니다 !
어려운건데 그나마 머리에 쏙쏙들어오는것같습니다 감사합니다ㅎㅎ
Day 1. ML - training data set을 학습(supervised 또는 unspervised learning)통해 예측 모델 프로그래밍. Supervised learning 의 학습하는 data의 training/labeling 에 따라 regression 또는 classification(binary-또는 multi-) 통해 예측모델 만들어내.
기계가 학습하는게 무서운게 아이가 언어를 배우고 지능 발달을 튱해 판단과 행동을 결정하는 하나의 인격체(모델??)로 성장하는 것과 참 비슷해보이기 때문이다.. 이미 알파고가 인간의 뇌과학을 넘어서 슈퍼파워를 증명했다. ㅠ
이해가 쏙쏙 되네여 감사합니다 교수님
잘들었습니다ㅎㅎ
ML입문강좌중에 제일 좋은거같아요!!
감사합니다 교수님~!
2020.02.25 시작.
좋은강의 감사합니다
감사합니다. 잘 들었습니다.
이제 입문 했네요. ㅎ 좋은 강의 감사합니다. ^^
감사합니다 ㅠ 머신러닝이 무엇인지 몰라서 객체지향 프로그래밍부터 시작하려고 했었는데 수고를 많이 덜었습니다
정말 감사합니다!!
무엇이 ML(MACHINE LEARNING)인가?
EXPLICIT PROGRAMMING은 한계가 많다.
모든 경우를 일일이 나눠서 해결하기 어려운
대표적인 사례가 바로 SPAM이다.
자동적으로 컴퓨터에게 명시적으로 프로그래밍하지 않아도
알아서 배울 수 있는 능력을 심어주는 건 어떨까 하는 생각
SUPERVISED LEARNING -> DATA (LABELED)
예를 들어 사진을 구분하는 기술에서, 사진을 줄 때
컴퓨터에게 이 사진이 고양이인지 개인지 컵인지
알려주는 것(LABELING)
UNSUPERVISED LEARNING -> UNLABELED DATA
좋은 뉴스를 고르는 것처럼 매번 알려줄 수 없는
데이터를 기반으로 학습하는 것
REGRESSION: 시험성적을 예측하는 것 -> 0 ~ 100 사이
BINARY CLASSIFICATION - PASS OR FAIL
LETTER GRADE (A,B,C,D, AND F) - MULTI-LABELED CLASSIFICATION
잘 먹겠습니다~
교수님, 감사합니다
너무 재미있어요. 감사해요
너무 감사드립니다
강의 감사합니다~
메모 - 기계학습(Machine learning), 지도학습, 회귀분석, 분류, 바이너리-멀티레벨,
2021.01.05 시작! 감사합니다
감사합니다!!!!!!!!
교수님 강의중에 질문이있어서 질문드립니다. letter grade based on time spent는 multi label classification인지 multi class classification인지 궁금합니다. 추가적으로 찾아보던중 두가지 classification의 차이가 하나의 instance에 대해서 한가지 label를 가지는 아니면 여러개의 label을 동시에 가지는지 인것같은데, 혹시 제가 잘못 이해한 것인가요?
감사합니다 덕분에 머신러닝 재미있게 공부합니당 >0
지도학습, 회귀분석, 분류, 바이너리-멀티레벨,
교수님 강의 감사합니다.
정주행 20201231
감사합니다.
감사합니다!!
사랑합니다
강의 잘보고 있습니다 ^^ . 맥북에서 skim 으로 pdf에 손글씨 입력하실때 어떤방식으로 입력을 하시는것인지 궁금합니다. 저도 강의 들으면서 pdf자료에 손으로 필기하고 싶은데 이쁘고 빠르게 입력이 되지 않아서요. 혹시 펜마우스를 사용하시나요? 앞으로도 유익한 강의 부탁드리겠습니다. 감사합니다.
감사합니다. 잘 보았습니다. 강의 제목에 오탈자 이군요 ㅠㅠ Learnnig = > Learning
수정하였습니다. 감사합니다!
유투브 ' Learning' 검색자들이 더 많이 유입되어 많이 들었으면 좋겠습니다. 감사합니다.
감사합니당
영재원 프로젝트로 낼 준비하는 중학생입니다... 음 분발해야겠군요
우선 정말 인공지능 관련 자료 찾기힘든데도 좋은정보 주셔서 감사합니다. 여기다 질문을 올려도되는지 모르겠지만 물어보겠습니다..단층 퍼셉트론 관련 자료를 보는데 계속 바이어스(bias)를 설정하라는데 저는 이것을 왜 설정하는지 이해할수가 없습니다.. 왜 설정해야 하는지 알려주실 수 있나요?
다른 강의에 나와있는데
간단히 말씀드리자면
선형 분리를 생각해보시면 bias가 없으면 항상 원점을 지날 수 밖에 없습니다.
그래서 bias가 필요한 것 같습니다.
강의 감사합니다( _ _
3월 6일 두번째 강의
민겸이형 화이팅 ㅋㅋ
AI배울때 이걸로배웟는데 이게벌서 7년전 ㅎㄷㄷ...
저기....클래스피케이션 설명해 주실때 시간을 많이 소비할수록(x값이 클수록) class가 높아서 이거 좀 이상한거 아닌가.....싶어서요.
제가 잘못생각한건가요?
제가 잘못생각했네요;;죄송합니다
( _ _ ;)(꾸벅)
스팸이고 햄이고 둘다 맛있겠당...(츄릅)
2024.09.03 학습
24.12.09 월
2023.11.06
2018. 10. 16.
내용이 잘못된게 많네요. supervised learning 과 unsupervised learning은 통계 회귀분석 기법이고 이 통계기법을 explicit 하게 구현하여 사용하는 것인데 왜 이걸 explicit 하지 않다고 하는거죠?
또 classification 역시 regression의 일종인데 왜 둘이 다르다고 이야기 하는지 이해가 안되네요. Regression은 방법론이지 모델이 아닌데 자꾸 모델이라고 이야기 하는것도 잘못된 설명입니다.
좋은 강의 정말 감사드립니다!!
좋은강의 감사합니다!
감사합니다 :)
감사합니다
감사합니다!!
감사합니다
감사합니다 !!
감사합니다 !