Mathematics for Machine Learning - Week 1 / Day 1

 

Mathematics for Machine Learning

독서모임 시그마즈 

목표 : 종강 전 Mathematics for Machine Learning 1회독 

day 1. 5월 26일 수요일 : ~p.19

 

 

[p.11] There are three concepts that are at the core of machine learning: data, a model, and learning.

- Data : 머신러닝의 핵심으로, 머신러닝의 목표는 데이터로부터 유의미한 패턴을 도출해낼 수 있는 범용적인 방법론을 설계하는 것이다. 이상적으로는, 도메인 지식이 없더라도 적용할 수 있는 수준으로. 

- Models : 위에서 말한 머신러닝의 목표를 달성하기 위하여 "모델"을 설계한다. 주어진 데이터셋과 유사한 데이터를 만들어내는 프로세스라고도 할 수 있다.  

- Learning : 모델의 파라미터를 최적화함으로써 자동적으로 패턴과 데이터의 구조를 찾아가는 과정으로 볼 수 있다. 

 

[p.12]

"Algorithm"?

- Predictor : Predictor로서의 관점은, input data에 기반해 예측값을 만들어내는 시스템으로서의 머신러닝 알고리즘을 의미

- Training : Training으로서의 관점은, 미지의 input data에 대해서도 잘 작동하도록 내부 파라미터를 조정하는 시스템으로서의 머신러닝 알고리즘을 의미 

 

[p.13]

We represent data as vectors.

We choose an appropriate model, either using the probabilistic or optimization view.

We learn from available data by using numerical optimization methods with the aim that the model performs well on data not used for training.

 

 

The four pillars of machine learning covered in this book

---

선형대수를 영어로 덤비다니 어쩌면 객기인가 싶지만 그래도 책 한권은 떼고 싶어서 기본서부터 도전...!