100.daum.net백과사전강연주제를 가지고 강의 형식으로 말하는 것. | 강연이란 어떠한 주제를 가지고 다수의 청중 앞에서 강의 형식으로 말하는 것이며 체계적이고 분석적으로 설명하여 청중을 이해시킬 수 있어야 한다. 청중이 참여해 서로 상호작용하기보단 대부분 강연자가 일방...백과사전 검색 더보기출처: 다음백과
ploradoaa.tistory.com플로라도의 data workoutEECS 498-007 Lecture 13 : Attention82ㅇ 이번 강은 Attention에 대해서 다룬다. 지난 시간에는 새로운 구조의 NeuralNet인 RNN에 대해서 배웠다. RNN은 서로 다른 시퀀스의 벡터를 다룰 수 있는 강력한 신경망 구조였다. MLP와 같은 일반적인 Feedforward neural network(순방향 신경망)에서 Recurrent Neural Networks(순환 신경망)로 오면서 우리는...2024.05.06블로그 검색 더보기EECS 498-007 Lecture 12: Recurrent Neural Networks 정리EECS 498-007 Lecture 8: CNN Architectures 정리greenjade.tistory.comHow can I help u today?[cs224n] Lecture 9 - Pretraining (2)19저번글 이어서 2024.04.22 - [Study/자연어처리] - [cs224n] Lecture 9 - Pretraining (1) 출처: - https://wikidocs.net/108730 cs224n lec.9 : pretraining - https://web.stanford.edu/class/cs224n/index.html#schedule - https://www.youtube.com/watch?v=DGfCRXuNA2w&list=...2024.05.04[cs224n] Lecture 9 - Pretraining (1)[cs224n] Lecture 15 - Code Generationwm07070.tistory.comten bagger[ML] Stanford cs229 ML Course Lecture 31. Linear Regression (recap)linear regression에 대한 복습은 lecture2 글을 참고하자. 2024.04.24 - [Machine Learning] - [ML] Stanford cs229 ML Course Lecture 2 [ML] Stanford cs229 ML Course Lecture 2 Lecture 2는 'Linear Regression and Gradient Descent'에 대해서 설명한다. 강의 목차Linear Regression(Batch) Gradient DescentStochastic Gradient DescentNormal2. Locally Weighted RegressionLWR을 알아보기 전에, 'Parametic Learning Algorithm'과 'Non - Parametic Learning Algorithm'에 대해 비교해 보자. - Parametic Learning Algorithm Fit fixed set of parameters(θ) to data. 즉, 고정된 θ값을 이용해서 예측을 하는 방식이다. 한번 주어진 training data set로 h(x)를 정하면 training data를 지워도 h(x)를 이용하여 예측을 할 수 있다. ex) Linear Regression, Logi3. Probability Interpretation머신러닝에 대한 확률적 해석을 통해, linear regression에서 왜 우리가 cost function으로 least square(제곱식)을 쓰는 이유를 알 수 있다. target value가 다음과 같은 식으로 표현할 수 있다고 가정하고 시작하자. y는 true price of house. 앱실론은 가우시안 분포를 따르는 distributed IID라 가정하는데, IID는 independently identically distributed로 독립이다. 실제세계에서는 IID는 불가능한 소리이지만, model에서는 꽤 좋은 조건5. Newton's Method마지막으로, l(θ)를 최대화하기 위한 다른 방법인 'newton's method'를 알아보자. 위의 gradient ascent 방식은 꾸준히 update를 해주어야 하므로 많은 iterations들이 필요로 하지만, newton's method는 비교적 적은 횟수의 iteration으로도 최적의 값을 구할 수 있다. 그러나, 한번 한 번의 계산이 복잡해서 장단점이 존재해 알맞은 방식을 선택하자. newton's method는 f라는 함수가 있을 때, f(θ) = 0을 만족하는 θ는 것이 목표이다. 우리는 max l(θ)하는 것이20linear regression에 대한 복습은 lecture2 글을 참고하자. 2024.04.24 - [Machine Learning] - [ML] Stanford cs229 ML Course Lecture 2 [ML] Stanford cs229 ML Course Lecture 2 Lecture 2는 'Linear Regression and Gradient Descent'에 대해서 설명한다. 강의 목차Linear Regression(Batch) Gradient DescentStochastic Gradient DescentNormal2024.05.03[ML] Stanford cs229 ML Course Lecture 2[ML] Stanford cs229 ML Course Lecture 1steelbear.tistory.comsteelbear's notes[CS182] Lecture 5: Backpropagation모델을 그림으로 표현하기왜 그림으로 표현해야 할까 우리는 지금까지 수학 식을 통해 모델을 표현했습니다. 하지만 데이터가 모델에서 어떻게 연산되는지 살펴보기에 수학 식은 불편합니다. 이를 위해 우리가 사용할 표기법은 계산 그래프 (Computation Graph) 입니다. 계산 그래프란 값이 어떤 순서로 연산되는지를 표현한 유향 그래프입니다. 위의 그림은 이전 시간에 배운 평균제곱오차를 표현한 계산 그래프입니다. 입력값, 파라미터, 라벨값이 표시된 노드에서 시작해 화살표대로 연산을 하면 회귀 모델의 손실값을 평균제곱오차로 구할 수 있습니다...특성(Feature) 학습하기새로운 특성을 찾아야 하는 이유 모델마다 성능이 십분 발휘되는 데이터 분포가 있습니다. 예를 들어, 로지스틱 회귀 모델은 위의 그림처럼 데이터 분포가 선형으로 분리 가능하다면 데이터 분류를 쉽게 해냅니다. 하지만 이처럼 선형으로 분리하기 어려운 데이터는 로지스틱 회귀로 분류할 수 없습니다. 그렇다면 이를 위해 새로운 모델을 개발해야 할까요? 굳이 그럴 필요는 없습니다. 새로운 모델 대신 새로운 특성을 찾으면 됩니다. $x_1^2, x_2^2, x_1x_2$처럼 기존 데이터에서 새로 특성을 만들고 이를 로지스틱 회귀 모델에게...신경망 훈련하기머신러닝 구성요소 살펴보기 이제 신경망 모델을 학습시켜보겠습니다. 이전 강의에서 살펴봤듯이 머신러닝 모델을 학습시키기 위해서는 모델, 손실 함수, 옵티마이져 세가지가 필요합니다. 여기서 모델은 우리가 앞에서 본 신경망 모델이 될 것이고, 손실 함수 또한 기존에 사용한 NLL을 그대로 사용할 겁니다. 그리고 옵티마이져도 이전 강의에서 본 확률적 경사 하강법을 사용할 겁니다.하지만 여기서 문제가 발생합니다. 확률적 경사 하강법을 사용하려면 $\nabla\mathcal{L}(\theta)$를 구해야 합니다. 하지만 우리가 사용할 신경망신경망에서 역전파 알고리즘 적용해보기이제 linear layer와 sigmoid에서 역전파 알고리즘이 어떻게 적용되는지 확인해봅시다. Linear layer 먼저 $\frac{d\mathcal{L}}{d\theta_n}$을 계산해봅시다. linear layer는 파라미터가 $W$와 $b$ 두개 존재합니다. 그러니 linear layer에서는 $\frac{d\mathcal{L}}{dW^{(n)}}=\frac{da^{(n)}}{dW^{(n)}}\delta$와 $\frac{d\mathcal{L}}{db^{(n)}}=\frac{da^{(n)}}{db^{(n)}}\delta$28왜 그림으로 표현해야 할까 우리는 지금까지 수학 식을 통해 모델을 표현했습니다. 하지만 데이터가 모델에서 어떻게 연산되는지 살펴보기에 수학 식은 불편합니다. 이를 위해 우리가 사용할 표기법은 계산 그래프 (Computation Graph) 입니다. 계산 그래프란 값이 어떤 순서로 연산되는지를 표현한 유향 그래프입니다. 위의 그림은 이전 시간에 배운 평균제곱오차를 표현한 계산 그래프입니다. 입력값, 파라미터, 라벨값이 표시된 노드에서 시작해 화살표대로 연산을 하면 회귀 모델의 손실값을 평균제곱오차로 구할 수 있습니다...Machine Learningneural network신경망deep learningDNNbackpropagation역전파cs1822024.05.01[CS182] Lecture 4: Optimization[CS182] Lecture 1: Introduction (Representation과 Deep Learning이란)blog.naver.com졔로니클[Rutgers] the last lecture week68요즘 소소한 힐링 모먼트 수업 가는 길에 이 장면 보기 요즘 날씨가 맑아서 하늘이 푸른 것도 좋고 점심 쯤 나가면 햇빛 비추는 것까지 딱 좋아 아마 곧 가는 사람의 아쉬움일지도 theater 수업 끝나고 드디어 쿡덕 하베스트를 시도하러 감 매주 쿡덕 포란홀 가면서 저 깔쌈한 건물은 어떤 건물일까 궁금했는데 맨날...2024.05.01통합웹 더보기
서비스 안내스토리의 글을 대상으로 검색결과를 제공합니다.자세히보기정찬승건강 분야 크리에이터A Psychiatrist's Reflection on - Trauma-Informed Disaster Report Training15health care, thus challenging any stigma around seeking psychological help. On the final day of training, I had the honor of delivering a lecture. I stressed that, while we cannot control the occurrence of trauma, we can determine our response to it. Efforts to heal trauma can unify and...언론트라우마재난2024.03.24브런치스토리 검색 더보기story.kakao.com한공 차재세 용환한공 차재세 용환 - 카카오스토리[서울대 소식] SNU 캘린더 | [건축학과] 2024 SNU-MOKCHON Lecture 04.18 - Turkish Contemporary Architects 2024.04.18. ~ 2024.04.19. 안녕하세요. 2024년 제5회 SNU-MOKCHON LECTURE에 많은 관심과 참여를...2024.04.14카카오스토리 검색 더보기건강 크리에이터 보기
영화
강의Lecture
개요
영국25분
감독
마누엘 사이스
줄거리강의는 자기 지시적 강연의 담론을 보여준다: 영국 억양을 가진 남자가 침착하게 강연들 속 강의에 대해 이야기 한다: 그는 주제를 끊임없이 반복하며 이야기한다. 이러한 특정 형식의 의사소통 방식을 묘사하고 또 그것들을 과장함으로써, 영화는 더 높은 수준으로 까지 끌어올려진다.그것은 대의 장치의 성격, 진리와 예술...더보기다른 사이트 더보기 다음영화정보 제공 안내Kakao가 운영하는 영화 서비스 입니다. 관객수는 영화진흥위원회 통합전산망 데이터로 제공되고 있습니다. 별점은 키노라이츠로부터 제공받는 정보이며, 데이터 제공 상황에 따라 변경될 수 있습니다.영화정보 더보기포토포토더보기
New Lecturewww.newlecture.com/JAVA, C++, SPRING, JSP, ASP, ADO, 자바스크립트 강좌, 과정선택, 학습가이드 제공.寫眞搖籃[PHOTO-LECTURE]blog.naver.com/skh44new네이버 블로그재능나눔, 무료 사진강좌용, 강의록.KSMOwww.ksmoconference.org신청자 작성The Korean Society of Medical Oncology with ASCO Breakthrough Session 대한종양내과학회. Dragon City Hotel, Seoul, Korea. Presidential Symposium, Plenary Lecture, Special Lecture Scientific Symposium, Joint Symposium, Symposium사이트 더보기
서비스 안내Melon Company가 운영하는 음악 서비스입니다. 다른 사이트 더보기 Lecture (bars 101) Roy Dean
![[11월 책추천] Last Lecture by Randy Pausch](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![[11월 책추천] Last Lecture by Randy Pausch](https://search1.kakaocdn.net/argon/229x0_80_wr/AbR7zCckriG)
![[CS231n] Lecture 10: Recurrent Neural Networks](https://search3.kakaocdn.net/argon/229x0_80_wr/99HtIkveIx8)
![[CS231n] Lecture 9: CNN Architectures](https://search4.kakaocdn.net/argon/229x0_80_wr/9gFJANztBST)
![[CS231n] Lecture 3: Loss Function and Optimization](https://search4.kakaocdn.net/argon/229x0_80_wr/BzNkqbK20B5)
![[시스템반도체설계] Lecture 0 : Introduction [SH]](https://search1.kakaocdn.net/argon/229x0_80_wr/G3yXQIko2q6)
