운동하는 공대생

전날에 늦은 도착으로 바르셀로나의 첫날을 공중에서 분해되었다... 그래도 2일 차 3일 차는 미리 잡았던 일정이 있어서 아침부터 일어나서 바르셀로나 근교 투어를 갔다. 사실 근교 투어를 선택한건 하루 만에 다 바르셀로나 투어가 가능하다 그래서 첫날에 조금 둘러보고 두 번째 날에는 근교를 가려고 했어서 일정을 잡았다. 근교 투어에서 제일 먼저 도착했던 일정을 피게레스 라는 도시였다. 여기는 살바도르 달리의 미술관이 있는 장소로 유명했고 그거 말고는 엄청 시골? 그런 느낌이었다. 나도 나름 박물관 미술관을 좋아해서 열심히 설명을 들었지만 3달이 지난 지금... 사실 생각이 나지 않는다.. 제일 기억에 남는 건 달리 본인이 자신이 천재라고 생각한 그런 부분?? 그런 게 조금 재미있었다. 그리고 달리가 나에게 ..

1. Bias-Variance Tradeoff Bias-Variance 문제를 이야기하기에 앞서 먼저 Underfitting, Overfitting 에 대하여 이야기를 먼저 해보겠다. 그림에서 보이는 것처럼 Overfitting 은 데이터를 설명하는 모델이 너무 데이터 편향적으로 학습을 진행하면서 발생하며 훈련 과정에서는 Loss 가 적지만 Test 하면서 모델의 성능이 떨어지는 문제가 발생합니다. Underfitting 은 데이터를 설명하는 모델이 충분히 데이터를 설명하지 못하며 보통 훈련하는 데이터의 양이 적거나 모델이 단순하면 발생합니다. 수학적 해석 Expected Loss 정답을 나타내는 y 값에서 모델이 예측하는 값의 차이로 계산이 된다. 여기서 식을 전개를 해본다면 결국에는 Variance,..

드디어 파리의 4일 차가 밝았습니다. ㅎㅎ 전날에 썰을 풀자면 1월1일에 날이 밝고 10분 정도 폭죽을 구경하면 거기에 있는 사람들이 마치 파도처럼 쭉 빠저나간다. 이 많은 사람들이 메트로에 들어가는 걸 보면 절대 절대 지하철을 타고 집을 가야겠다는 생각이 들지 않는다. 그래서 집까지 걸어가는걸 선택했고 1시간 30분 동안 집까지 걸어갔다.......(진짜 미친 짓) 이렇게 사람이 서서 잠들겠다 하기 직전에 집에 도착했고 다음날도 디즈니랜드 일정이 있어서 바로 잠에 들었다. 아침에 살기 위해서 몬스터 한잔도 먹어주고 그렇게 딱 디즈니 랜드에 도착을 하니까 입구에서 설레는 마음이 들었다 ㅎㅎ 바로 나는 거기서 제일 유명하다던 라따뚜이를 타기 위해서 기다렸고 대기시간은 생각보다 오래 걸리지는 않았다. 뭐 여..

1. Logistic Regression Linear Regression 모델을 이제까지는 알아봤는데 여기서 Regression이라는 태스크는 연속적인 데이터를 예측하는 문제이고 Classifiction이라는 태스크로 넘어가면서 이제는 더 이상 연속적인 값을 예측하는 문제가 아닌 카테고리를 분류하는 문제로 바뀐다. 여기서 이제 일반적인 Linear 모델의 구성 방식으로는 Classification 문제를 해결하기란 쉽지 않다. 왜냐하면 Classification 문제로 넘어가면서 결괏값이 0, 1 같은 이런 값으로 떨어지게 되는데 Linear모델을 활용하면 카테고리를 분류하기가 쉽지 않다. 이로 인하여 Classification 문제를 푸는 문제에서 처음으로 제시되는 방법이 Sigmoid 함수를 활용한 ..

파리는 유럽 여행을 계획하면서 제일 먼저 떠올랐던 도시이다. 낭만의 도시 이기도 하고 파리라는 도시가 나에게는 유럽이라는 지역의 상징이라고 어릴 때부터 생각을 했던 것 같다. 파리에 간다는 기대를 하려고 했지만 주변에서는 너무 기대를 하지 말라는 이야기를 많이 들었어서 절반정도는 포기하고 파리 여행을 시작하였다. 파리의 일정은 동행을 한 이후에 일정이라 저녁부터 시작했는데 딱히 당일 일정을 정한게 없어서 하루종일 걸었다. 여기서 느낀건 파리는 정말 걷기가 너무 좋은 도시였고 또 저녁에 더 아름다운 도시인 거 같았다. 나에게 파리의 저녁이란 영화에서 나오는 이미지처럼 그런 느낌을 주었다. 그렇게 나는 파리의 밤거리를 쭉 걷다가 자연스럽게 루브르와 오르세 미술관을 지나가게 되었다. 루브르는 예약을 안해서 (..

1. How to Update the Parameter 이전까지 모델의 Error를 구하고 모델이 가지고 있는 변수들의 의미를 알아보았다. 하지만 여기서 이제는 그럼 파라미터를 업데이트하는 학습의 과정은 어떻게 이루어지는지를 설명을 해보도록 하겠다. 예시를 들어 설명을 하자면 위와 같은 데이터가 있다고 가정해보자. 그리고 h(x)라는 basis 모델이 있다고 가정을 해보겠다. 여기서 파라미터의 값을 gradient descent 방식으로 업데이트를 한다고 가정하면 파라미터 값을 임의의 값으로 초기화를 시켜주고 데이터를 대입하여 error를 계산하고 그 값을 통해서 파라미터를 업데이트하는 방식으로 적용이 된다. 위의 식에서 처럼 LSE 방식을 활용하여서 전체 데이터와 정답인 y값의 차이를 활용하여서 err..

이번 이론 정리는 혼자 머신러닝 이론에 대한 총정리를 하기 위해서 작성하였습니다. 1. Introduction Traditional Programming vs Machine Learning 기본적으로 우리가 알고 있는 프로그래밍은 프로그램을 개발하는 개발자가 프로그램에 대한 룰을 정하여 일정 데이터와 프로그램을 이용하여 결과를 도출하는 방식을 말한다. 하지만 머신러닝은 개발자가 데이터를 기반으로 데이터에 대한 패턴을 학습하여서 새로운 데이터가 입력되었을 때 결과를 도출하는 방식으로 이루어진다. 이런 머신러닝에서 데이터를 설명하는 학습 방식에는 두가지가 존재한다. Supervised Learning vs Unsupervised Learning Supervised Learning 은 한국어로 지도학습 이라고..

벨기에는 일단 네덜란드에서 기차 타고 금방 도착한다. 네덜란드는 정말 길거리보다 역에서 대마 냄새가 강해서 머리가 아프다. 그리고 유럽은 신기한게 길거리에서 담배를 너무 자연스럽게 피우는 거 같다. 그리고 기차의 시설도 생각보다 좋다. 정해진 당일의 일정이 없어서 숙소 체크인 하고 하루종일 걸어서 다녀봤다 생각보다 벨기에가 걷기에 너무 좋아서 주변을 구경하면서 걸으니까 다음날 일정을 혼자 다 해버렸다ㅋㅋㅋ 걷다가 나온 광장, 동상 그렇게 혼자 숙소에서 간단하게 맥주 한잔을 하고 하루가 지났다 다음날부터는 동행이 있어서 누구나 벨기에를 오면 한다는 와플 먹기를 시작했다 ㅋㅋㅋ 그렇게 걸어서 다니다가 동행이 예약해 준 식당을 갔다. 여기서 이것저것 시키고 맥주를 시켰는데 로제 맥주가 맛있던 기억이 난다. 먹..