독서(Reading)60

• 

  인공지능을 위한 수학 - 7. 이미지 처리 7-1 딥러닝으로 손글씨 인식하기DNN (Deep Neural Network): 여러 개의 은닉층을 가진 신경망으로, 복잡한 패턴을 인식하거나 예측하는 데 사용된다.신경망 (Neural Network): 인간 뇌의 뉴런 구조에서 영감을 받은 알고리즘 구조로, 데이터를 입력받아 가공하고 출력한다.ILSVRC (ImageNet Large Scale Visual Recognition Challenge): 이미지 인식 성능을 겨루는 대회로, 딥러닝 기술이 급속도로 발전하는 계기가 되었다.SVM (Support Vector Machine): 데이터를 분류하는 데 사용하는 머신러닝 기법으로, 딥러닝 이전에 많이 쓰였다.7-2 데이터 세트 'MNIST'정규화 과정: 입력값의 범위를 0~1로 조정해 학습을 빠르고 안정.. 독서(Reading)/인공지능을 위한 수학 2025. 6. 22.

• 

  문과생도 이해하는 인공지능 101 MLOpsML 단계: 데이터 수집, 전처리, 모델을 위한 신경망 구축, 학습, 평가 등Ops 단계: 모델 배포, 모니터링, 테스트 등데이터 준비 및 전처리: 판다스, 넘파이모델 학습: 텐서플로, 파이토치모델 배포: 쿠버네티스, 도커모니터링 및 유지보수: 프로메테우스, 그라파나캐글(Kaggle)데이터 사이언티스트들이 경쟁적으로 데이터 분석 문제를 해결하는 플랫폼소타(SOTA: State Of The Art)어떤 분야에서 현재 가장 우수한 기술, 모델 또는 방법론코랩(Colaboratory)구글이 개발한 온라인 노트북 환경주피터 노트북과 유사한 기능 제공, 구글 클라우드에서 실행됨 → 설치형이 아님무료로 사용가능GPU 지원다양한 ML, DL(Deep Learning) 라이브러리, PL(Programming .. 독서(Reading)/오늘의 책(Today's book) 2025. 6. 22.

• 

  인공지능을 위한 수학 - 6. 자연어 처리 6-1 자연어 처리로 문서의 카테고리 알아맞히기자연어 처리 (Natural Language Processing, NLP): 사람이 사용하는 언어(텍스트·음성)를 컴퓨터가 이해하고 처리하도록 돕는 AI 기술입니다.자연어는 어떻게 다루는가? 텍스트를 형태소나 단어 단위로 나눈 뒤 수치 벡터로 변환해 기계가 분석하도록 합니다.특징 추출과 학습 과정에서는 어떤 일이 벌어질까? 각 문서에서 의미 있는 단어(feature)를 뽑아 벡터로 만들고, 이를 머신러닝 모델에 학습시켜 카테고리를 예측하게 합니다.정답률은 어느 정도 수준인가? 데이터 품질과 모델에 따라 다르지만, 일반적으로 70~90%의 정확도를 기대할 수 있습니다.6-2 카테고리별 데이터 세트– 스포츠, 정치, 경제와 같은 주제별 라벨이 붙은 문서 모음입니.. 독서(Reading)/인공지능을 위한 수학 2025. 6. 12.

• 

  인공지능을 위한 수학 - 5. 선형회귀 5.1 회귀 모델로 주택 가격 추정하기선형회귀모델입력 변수와 출력 변수 사이의 선형적인 관계를 모델링하는 기법입니다.단순회귀분석 (Simple Regression Analysis)설명변수가 하나인 경우에 사용하는 선형회귀 분석입니다.다중회귀분석 (Multiple Regression Analysis)설명변수가 여러 개인 경우의 회귀분석입니다.목적변수 / 종속변수예측하고자 하는 대상 변수입니다. 예: 주택 가격설명변수 / 독립변수결과에 영향을 주는 입력 변수들입니다.선형성 (Linearity)입력과 출력 사이의 관계가 직선(선형)으로 표현될 수 있음을 뜻합니다.바이어스 (Bias)예측값과 실제값 간의 차이를 의미합니다. 높은 바이어스는 부정확한 예측을 나타냅니다.5.2 데이터 세트 'Boston Housin.. 독서(Reading)/인공지능을 위한 수학 2025. 6. 7.

• 

  실리콘밸리의 팀장들(Radical Candor) - 1장 『실리콘밸리의 팀장들』 - 1장: 그들은 완전한 솔직함을 알고 있다직원의 말에 귀를 기울이고 함께 해결책을 모색하는 능력, 일방적인 지시를 내리기보다는 함께 논의하는 능력, 혼자서 판단하는 것보다 직원에게 의사결정을 맡기는 능력, 명령을 내리기보다 설득하는 능력, 알거나 아는 척하는 것보다 학습하는 능력에 달려 있다.→ 좋은 리더는 듣고, 토론하며, 배우는 사람이다.관계의 본질을 가장 잘 설명해주는 용어는 완전한 솔직함이다.→ 신뢰의 핵심은 완전한 솔직함이다.우리는 자신과 다른 사람 사이 불편함의 경계를 넘어 공동의 인간성을 연결시키는 방법을 터득함으로써 엄청난 차이를 만들어낼 수 있다.→ 불편함을 넘어설 때 진정한 연결이 시작된다.상사는 성과를 달성하기 위해 조직을 이끄는 사람이다.→ 상사의 본질은 결.. 독서(Reading)/실리콘밸리의 팀장들(Radical Candor) 2025. 6. 7.

• 

  실용주의 프로그래머(The Pragmatic Programmer) - Topic 20~22 『실용주의 프로그래머』 3장 기본 도구🧠 Topic 20 디버깅디버깅은 단지 문제 풀이일 뿐이라는 사실을 받아들이고, 그런 마음으로 공략하라.→ 감정을 배제하고 문제 해결에 집중하자.기술의 전당에서는 남을 비난하기보다 문제를 고치는 데에 집중해야 한다.→ 탓하지 말고 해결에 집중하라.'하지만 정말 그럴 리가 없는데.'로 시작하는 생각의 흐름에 신경 세포 하나도 낭비하지 말라.→ 불필요한 의심은 시간 낭비다.표면에 보이는 증상만 고치려는 욕구를 이겨 내라.→ 근본 원인을 찾아라.겉으로 드러난 특정한 증상만 고치려고 하지 말고, 항상 문제의 근본 원인을 찾으려고 노력하라.→ 증상이 아닌 원인을 진단하라.처음에 받은 자료 이상을 얻기 위해서 버그를 보고한 사용자를 인터뷰할 필요도 있다.→ 사용자와 소통해 더.. 독서(Reading)/오늘의 책(Today's book) 2025. 6. 6.

• 

  인공지능을 위한 수학 - 4. 확률과 통계(2nd) 📊 기초 통계 개념 정리 (수식 포함)1. 평균 (Expectation)어떤 값들이 있을 때, 그 값들의 중심이 어디쯤인지 나타내는 값입니다. 전체 데이터를 더한 뒤 개수로 나누어 구합니다.$$\mu = \frac{1}{n} \sum_{i=1}^{n} x_i$$2. 편차 (Deviation)각 데이터가 평균에서 얼마나 떨어져 있는지를 나타냅니다. 양수면 평균보다 크고, 음수면 평균보다 작다는 뜻입니다.$$\text{편차} = x_i - \mu$$3. 분산 (Variance)모든 데이터의 편차를 제곱해 평균을 낸 값으로, 데이터가 평균에서 얼마나 퍼져 있는지를 나타냅니다.$$\sigma^2 = \frac{1}{n} \sum_{i=1}^{n} (x_i - \mu)^2$$4. 표준편차 (Standard De.. 독서(Reading)/인공지능을 위한 수학 2025. 6. 6.

• 

  실용주의 프로그래머(The Pragmatic Programmer) - 2일차 『실용주의 프로그래머』를 읽으면서 밑줄 긋고 싶었던 문장들을 모아봤다. 실용적인 팁을 넘어서, 일하는 태도나 사고방식까지 다시 돌아보게 만드는 구절들이 많았다.개발자로 살아가는 하루하루 속에서 문득 떠올리면 좋은 말들.📌 답은 언제나 추정일 뿐"모든 답은 추정치다. 단지 어떤 답이 다른 답보다 좀 더 정확할 뿐이다."→ 추정이라는 걸 인정하는 데서부터 진짜 계산이 시작되는 듯. 특히 누가 물어보면, '이걸 어디에 쓰려는 걸까'부터 생각해보는 게 중요하다는 말.📌 복잡하게 만들수록 좋은 건 아니다"간결함과 정확성을 맞교환하고 있다."→ 복잡하게 만들면 뭔가 더 정확할 것 같지만, 노력 대비 성과가 미미할 수도 있다. 간결함이 더 실용적일 때가 많다.📌 이상한 결과는 귀찮지만 귀중한 단서"계산은 맞는데.. 독서(Reading)/오늘의 책(Today's book) 2025. 6. 3.

• 

  실용주의 프로그래머(The Pragmatic Programmer) - 1일차 프로그래밍은 미래를 덜 고통스럽게 만들려 노력하는 것이다.→ 코드는 현재보다 미래를 위한 투자입니다. 유지보수성과 확장성을 염두에 두고 작성하는 습관이 중요합니다.사고방식을 완전히 틀어서 습관, 행동, 기대를 바꾸어야만 한다.→ 진정한 변화는 단순한 방법의 변경이 아닌, 사고 자체를 바꾸는 데서 시작됩니다.무엇보다 중요한 것은 즐기는 것이다.→ 즐겁게 임할 때 창의력과 집중력이 극대화됩니다. 개발도 마찬가지입니다.혹시 책을 읽다가 전에 본 적 없는 단어와 진짜로 마주치게 된다면 부탁하건대 그냥 건너뛰지 말라. 시간을 들여 웹이나 컴퓨터 과학 교과서에서 찾아보라.→ 배움에 대한 태도가 실력을 좌우합니다. 작은 호기심 하나가 깊은 이해로 이어집니다.오직 특정한 환경 조건들마다 가장 적절한 시스템들이 있을 뿐.. 독서(Reading)/오늘의 책(Today's book) 2025. 5. 21.

• 

  인공지능을 위한 수학 - 4. 확률과 통계 🎲 확률확률은 어떤 일이 일어날 가능성을 수치로 나타낸 개념입니다. 0은 절대 일어나지 않음, 1은 반드시 일어남을 의미하며, 대부분의 사건은 이 사이의 값을 가집니다. 예: 주사위를 던졌을 때 3이 나올 확률은 \( \frac{1}{6} \)🔢 조합의 공식여러 개 중에서 순서 상관없이 선택하는 경우의 수를 계산하는 공식:\[ nCr = \frac{n!}{r!(n - r)!} \]예: 5명 중 2명을 선택하는 경우의 수는 \[ \frac{5!}{2! \cdot 3!} = 10 \]🚫 여사건어떤 일이 일어나지 않을 경우를 의미합니다. 확률 계산은 다음과 같습니다:\[ P(\text{여사건}) = 1 - P(\text{사건}) \]🎲 우연성사전에 예측하거나 통제할 수 없는 무작위적인 상황에서 무언가가.. 독서(Reading)/인공지능을 위한 수학 2025. 5. 19.

• 

  인공지능을 위한 수학 - 3. 선형대수 🔢 선형대수와 벡터 기초✅ 선형대수벡터, 행렬, 선형변환 등을 다루는 수학 분야.데이터와 공간을 수학적으로 표현하고 계산하는 데 필수!✅ 벡터와 스칼라벡터: 방향과 크기를 가진 수 (예: [3, 4])스칼라: 크기만 있는 숫자 (예: 5, -2)✅ 스칼라배벡터에 숫자(스칼라)를 곱해 크기를 바꾸는 연산. 방향은 그대로.🧮 벡터 연산✅ 내적 (Dot Product, 스칼라곱)두 벡터의 방향 유사성을 측정. 결과는 숫자(스칼라).직각이면 0, 같은 방향이면 양수.✅ 외적 (Cross Product, 벡터곱)3차원에서만 가능. 두 벡터에 수직인 새로운 벡터를 만들어냄.✅ 영사곱한 벡터를 다른 벡터 위에 "그림자처럼" 눕혀 겹치는 정도를 보는 것.✅ 텐서곱두 벡터를 곱해 고차원 행렬(텐서)을 만드는 연산.?.. 독서(Reading)/인공지능을 위한 수학 2025. 5. 14.

• 

  인공지능을 위한 수학 - 2. 미분 ✅ 경사하강법 (Gradient Descent)머신러닝에서 모델의 오차를 줄이기 위해 사용하는 최적화 기법.기울기를 따라 오차가 작아지는 방향으로 조금씩 이동하며 최적의 파라미터를 찾아요.핵심 수식:\[ \theta := \theta - \alpha \cdot \nabla J(\theta) \]✅ 상미분, 편미분, 전미분구분설명상미분한 개 변수에 대한 미분편미분여러 변수 중 하나만 고정하고 미분전미분변수들이 서로 의존할 때, 전체 변화를 계산하는 미분✅ 라이프니츠 표기법 vs 라그랑주 표기법표기법형태특징라이프니츠\( \frac{dy}{dx} \)변수 관계 명확, 연쇄법칙에 유리라그랑주\( f'(x) \)간단하고 함수 중심 표현✅ 선형회귀와 최소제곱법선형회귀: 데이터를 설명할 수 있는 직선을 그려 예측하는.. 독서(Reading)/인공지능을 위한 수학 2025. 5. 14.