지도 학습 문제이든 감독되지 않은 문제이든 백그라운드에서 작동하는 최적화 알고리즘이 있습니다. 거의 모든 분류, 회귀 또는 클러스터링 문제를 최적화 문제로 캐스팅할 수 있습니다. 이 튜토리얼에서는 최적화가 무엇이며 이와 관련된 개념을 발견하게 될 것입니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 수학적 프로그래밍 또는 최적화란? 최대화 문제와 최소화 문제의 차이점 로컬 솔루션과 글로벌 최적 솔루션의 차이점 […]
미적분학은 다양한 머신러닝 알고리즘의 내부 작동을 이해할 수 있도록 하는 머신러닝의 핵심 수학적 개념 중 하나입니다. 머신러닝에서 미적분학의 중요한 응용 프로그램 중 하나는 역전파와 함께 신경망 모델을 훈련할 수 있는 경사하강법 알고리즘입니다. 이 자습서에서는 머신러닝에서 미적분학의 필수적인 역할을 알아봅니다. 이 자습서를 완료하면 다음을 알 수 있습니다. 미적분학은 오류 함수를 최소화하기 위한 경사하강법 알고리즘과 같은 머신러닝 […]
인공 신경망은 입력과 출력 간의 매핑을 근사화하는 계산 모델입니다. 그것은 이웃 뉴런으로부터 일련의 자극을받을 때 정보를 전파하는 상호 연결된 뉴런의 네트워크로 유사하게 구성되어 있다는 점에서 인간 두뇌의 구조에서 영감을 받았습니다. 신경망 훈련에는 역전파 알고리즘과 경사하강법 알고리즘을 함께 사용하는 프로세스가 포함됩니다. 앞으로 살펴보겠지만 이 두 알고리즘은 모두 미적분학을 광범위하게 사용합니다. 이 튜토리얼에서는 미적분학의 측면이 신경망에 어떻게 […]
체인 규칙을 사용하면 복합 함수의 도함수를 찾을 수 있습니다. 피드포워드 신경망을 훈련시키기 위해 역전파 알고리즘에 의해 광범위하게 계산됩니다. 특정 연산 순서를 따르면서 효율적인 방식으로 체인 규칙을 적용함으로써 역전파 알고리즘은 네트워크의 각 가중치에 대한 손실 함수의 오차 기울기를 계산합니다. 이 튜토리얼에서는 일변량 함수와 다변량 함수에 대한 미적분학의 연쇄 규칙을 발견하게 됩니다. 이 자습서를 완료하면 다음을 알 […]
변화율의 측정은 변화와 극소의 수학과 관련된 미분 미적분학의 필수 개념입니다. 이를 통해 두 개의 변화하는 변수 간의 관계와 이것이 서로 어떻게 영향을 미치는지 찾을 수 있습니다. 변화율 측정은 신경망 모델을 훈련하기 위한 최적화 알고리즘으로 경사하강법을 적용하는 것과 같이 머신러닝에도 필수적입니다. 이 튜토리얼에서는 미적분학의 핵심 개념 중 하나인 변화율과 이를 측정하는 것의 중요성을 발견할 것입니다. 이 […]
미적분학은 변화에 대한 수학적 연구입니다. 복잡하지만 연속적인 문제를 풀기위한 미적분학의 효과는 문제를 무한히 간단한 부분으로 분할하고 개별적으로 해결한 다음 원래 전체로 재구성하는 능력에 있습니다. 이 전략은 기하학적 모양의 곡률, 비행 중인 물체의 궤적 또는 시간 간격 등 이러한 방식으로 슬라이스할 수 있는 모든 연속 요소를 연구하는 데 적용할 수 있습니다. 이 튜토리얼에서는 미적분학의 기원과 그 […]