Metadata
저자/강사: Tengyu Ma / Christopher Ré
Tags: MachineLearning math stanford
목표: 지도 학습, 비지도 학습, 강화 학습 등 머신러닝의 핵심 알고리듬과 수학적 원리를 마스터한다.
📹 머신러닝 애니메이션 영상: Essential Machine Learning and AI Concepts Animated
연결 노트:
0부: 선수 지식 (Prerequisites)
머신러닝 학습을 위한 수학적 기초.
- [[MOC_College Calculus – Full Course with Python Code]] (미적분 기초)
- [[MOC_Linear Algebra (freeCodeCamp)]]** (선형대수 기초)
- [[MOC_Mathematical Foundations for AI]]** (논리적 사고 및 확률 기초)
1부: 지도 학습 (Supervised Learning)
정답(Label)이 있는 데이터로 모델을 학습시킨다.
- [[Regression & Basics]]
- [[1. Supervised learning setup]] (학습 세팅).
- [[LMS (Least Mean Squares)]] (최소 평균 제곱).
- [[Logistic Regression (로지스틱 회귀)]] (분류 문제의 기초).
- [[Newton's Method]] (최적화 기법).
- [[GLM (Generalized Linear Models - 일반화 선형 모델)]].
- [[Generative Learning Algorithms]]**
- [[Gaussian Discriminant Analysis (GDA - 가우시안 판별 분석)]].
- [[Naive Bayes (나이브 베이즈)]].
- [[Non-linear Models]]
- [[Kernels (커널)]] (SVM과 고차원 매핑).
- [[Decision Trees (결정 트리)]].
- [[Boosting (부스팅)]] (앙상블 기법).
2부: 신경망 & 딥러닝 (Neural Networks & DL)
복잡한 비선형 패턴을 학습하는 깊은 구조.
- **[[Neural Network Basics]]**
- [[Neural Networks (신경망)]] 구조.
- [[Backpropagation (역전파)]] (학습의 핵심 원리).
- **[[Advanced Architectures]]**
- [[Deep Learning (딥러닝)]] 개요.
- [[Conv Nets (Convolutional Neural Networks - 합성곱 신경망)]] (이미지 처리).
3부: 비지도 학습 (Unsupervised Learning)
정답이 없는 데이터에서 패턴과 구조를 발견한다.
3부: 비지도 학습 (Unsupervised Learning)
정답이 없는 데이터에서 패턴과 구조를 발견한다.
- **[[Clustering]]**
- [[K-Means (K-평균 군집화)]].
- [[GMM (Gaussian Mixture Models - 가우시안 혼합 모델)]].
- [[Expectation Maximization (EM 알고리즘)]].
[[Dimensionality Reduction]]
- [[Factor Analysis (요인 분석)]].
- [[PCA (Principal Component Analysis - 주성분 분석)]].
- [[ICA (Independent Component Analysis - 독립 성분 분석)]].
- [[Self-supervised learning (자기 지도 학습)]].