제가 AI 를 공부하기로 마음먹고 덤벼보기로 크게 마음먹은 시점에서
한번 작정하고 공부를 시작했습니다.
세상에 쉬운일이 어디있어 하면서 덤빈것지만 저의 밑천으로는 감히 넘볼수 없는 영역이라
쉽사리 진도를 나가지 않았습니다.
기본 이론 11가지 +1 ?
Linear Regression → 값을 예측하는 방법
Gradient Descent Algorithm → 로스 기울기 계산을 위한 연쇄미분 푸는 알고리즘?
Multivariate Linear Regression → 값을 예측할때 여러가지 다변수 입력?을 가지고 예측
Logistic Regression → 확률을 예측
Multivariate Logistic Regression → 확률을 예측할때 여러가지 다변수 입력?을 가지고 예측
XOR Problem → 성능을 끌어 올리기 위해서 비선형이 필요한 이유
Multi Layer Perceptron (MLP) → 5번의 XOR로 인해 고안된 설계
Dropout → 학습 안정화를 하는 방법중 하나
CNN → 필터를 학습해보자
Batch Normalization → 학습 안정화를 하는 방법중 하나
Classification → 확률 예측을해서 물체를 분류
여기서 제일 쉽다는 선형회귀에 대해서 팠는데
아무리 요즘 도구가 좋다해도 이건
진짜 파이썬 공부부터 시작해서 선형회귀 소스를 몇번이나 다시 짜면서 느꼈지만
이걸 내가 할수있는것인가?
처음에는 Y = WX +B 이렇게 간단하고 샘플 소스를 따라하면서 나오긴 하는데
이게 실무에서 쓸수 있는 이론인가 더 파다보니 이 공식이
MSE = (1/n) * Σ_{i=1}^{n} (y_i - ŷ_i)^2
뭐 이런식으로 되는데 이것 내가 할수 없는 영역 같다 ㅠㅠ 이러고 있는데
링크드인에서 쥘쥘 되니까 겔스톤님이 만나서 알려주겠다 하셨습니다.
아직 커뮤니티에서 제대로 사람을 만난적은 없고 이건 반대로 제가 만나자고 할일인데
먼저 만나자고 하셔서 용기(?) 내서 찾아갔습니다.
만나서 거의 세시간동안 여러가지 이야기를 해주시면서 자기도 똑같은 고민을 하고
방법에 대해서 알려주시는데 진짜 천금같은 지식이었지만 그마저도 소화하기가 쉽지 않네요
일단 코드부터 짜지말고 종이에 써보라는 말씀 등
어찌됐든 많은 힌트 정보 방법을 배우고 앞으로 지속적으로 도움을 주신다고 했는데
든든한 우군을 만난것 같습니다. 오늘 즐거웠습니다.
