1 2 m ∑ i = 1 m ( y ∧ ( i )..

training set: 처음에 소프트웨어에 주게 되는, 사람이 수작업으로 입력한 정보를 포함한 데이터 전부를 뜻합니다. features: training set에서 x 역활을 하는, 함수로 생각하면 x variable 역할을 하는 정보를 뜻합니다. target: training set에서 y 역할을 하는, 함수로 생각하면 결과값의 역할을 하는 정보를 뜻합니다. m: 총 샘플의 갯수를 뜻합니다. (x, y): 특정 샘플을 뜻합니다. (x^(i), y^(i)): 'i'번째 샘플을 지칭합니다. ŷ: y-hat이라고 불리고 예측되는 y 값을 뜻합니다. 예측되는 target, 예측되는 y, estimated y라고 표현할 수 있겠습니다. f(x)=wx+b Univariate function: variable이 ..

머신러닝에서 Supervised Learning 중에는 Classification과 Regression이 있습니다. High-level에서 보자면 Classification은 주어진 인풋을 몇 개의 카테고리로 분류합니다. Regression은 주어진 인풋에 대한 결과를 무한한 갯수의 결과값 중 하나로 예측하여 아웃풋을 내보냅니다. 예를 들어 100 장의 사진이 주어졌을때, 고양이가 들어가 있는 사진과, 고양이가 안 들어가있는 사진으로 분류하여 고양이가 있는 사진이 28장, 고양이가 안 들어가있는 사진이 72장이라는 결과를 줄때 이것을 Classification이라고 합니다. 이와 다르게 100개의 부동산 매물이 주어졌을때, 매물의 면적에 따라 가격을 예측한다면 Regression이라고 합니다. 물론 면적..

슈퍼바이저 라고 하면 일을 감독하는 사람을 뜻하죠. 아이를 supervise한다고 하면 그 아이가 잘 지낼 수 있도록 지켜보는 것을 뜻합니다. High-level에서 보면 Supervised Learning은 간단히 말하면 머신러닝 엔지니어가 개입해서 옳고 그른 것을 미리 설명해주는 것을 뜻합니다. Unsupervised Learning은 간단히 말하면 소프트웨어가 직접 주어진 정보에서 특징이나 패턴을 찾아나가는 것을 뜻합니다. Low-level에서 보면 실제로 그 둘의 차이는 다음과 같습니다. Supervised Learning은 정보를 주어줄때 옳은 정답과 틀린 오답을 사람이 일일히 입력하여 소프트웨어를 학습시킵니다. Unsupervised Learning은 정보를 쥐어주고 스스로 패턴을 찾도록 합니..

AI회사와 AI를 적용한 회사를 분별하는 기준: AI회사와 AI를 적용한 회사는 다릅니다. 의류 판매점을 온라인으로 옮겨 쇼핑몰로 만든다고 해서 그 사업이 인터넷 사업이 아니듯이 AI를 기존 회사에 적용한다고 AI회사는 아닙니다. AI회사라고 불릴려면 그 해당 업계에서 최고의 AI를 적용했거나, AI만을 순수하게 연구하여야 합니다. AI회사들은 이미 많고 더 늘 것이지만, AI를 적용한 회사들은 기하급수적으로 늘 것이고 AI를 적용하지 않는 회사들은 도태될 것입니다. CEO로써 많이 하는 실수와 대책: 1. AI가 할 수 있는 것을 과대평가한다. 2. 머신러닝 엔지니어를 2~3명 고용하여 그들에게만 개발을 맡긴다. 3. AI 프로젝트가 한큐에 처음부터 성공적인 결과를 가져올 것이라 기대한다. 4. AI ..