머신러닝(Machine Learning) 썸네일형 리스트형 선형대수학 기초[1강]: 벡터의 덧셈, 뺄셈 및 스칼라배(파이썬 코드 포함) 1. 개요 이 포스트에서는 선형대수학의 기초 개념인 **벡터(Vector)**의 기본 연산에 대해 알아본다. 벡터가 무엇인지 정의하고, 벡터의 크기와 방향 같은 특성을 설명한 뒤, 벡터 덧셈과 뺄셈, 그리고 **스칼라배(Scalar multiplication)**를 다루었다. 벡터의 덧셈과 뺄셈은 각 성분별로 이루어지며, 스칼라배는 벡터에 숫자를 곱하여 크기를 조절하는 연산이다. 이러한 기본 개념을 통해 2차원 평면상의 모든 벡터를 표현할 수 있다는 중요한 사실도 함께 소개된다. 마지막에서는 파이썬 코드로 시각적인 결과도 확인할 수 있다.2. 벡터와 크기·방향 벡터는 여러 수를 한 줄로 나열하여 표현되는 양으로, 좌표평면에서는 화살표(방향과 크기를 가진 선)로 나타낼 수 있다.예를 들어, 벡터 [3.. 더보기 ChatGPT의 새로운 기능 Deep Research: 사용 방법과 활용 분석 최근 OpenAI는 ChatGPT에 Deep Research(딥 리서치) 기능을 도입하여 화제가 되고 있습니다. 마치 인공지능 연구조수처럼, 복잡한 주제에 대해 인터넷을 직접 탐색하고 다양한 자료를 종합하여 연구원 수준의 보고서를 자동 생성해 주는 기능인데요. 이번 글에서는 일반 사용자도 이해하기 쉽게 Deep Research가 무엇인지부터, 기존 ChatGPT와 어떤 점이 다른지, 핵심 기능과 실제 사용법, 그리고 장점과 한계를 분석적인 관점에서 살펴보겠습니다. 마지막으로 이러한 Deep Research를 실제 연구·분석 업무에 최적으로 활용하는 방법에 대해 결론을 내려보겠습니다. 목차1. Depp Reserch란 무엇인가?2. 기존 ChatGPT와의 차이점3. Deep Reserch의 핵심기능4. .. 더보기 선형대수학 입문 : 행렬과 벡터 (파이썬 코드 포함) 최근 딥러닝이나 배열이나 모든 학문을 이해하기 위해서는 선형대수학이 기본이 된 다는것을 다시한번 느꼈다. 따라서 기본기를 조금 더 튼튼하기 위해 선형대수학을 다시 공부해 보려 한다. 우선 선형대수학이 무엇인지와 왜 사용하는지 그리고 선형대수학의 근본인 일차방정식과 행렬에 대해서 알아보자. 설명과 파이썬 코드를 포함하였으니 도움이 되길 바란다. 1. 선형대수학이란 선형대수학, 이름만 들으면 무척 어렵고 거창한 학문처럼 느껴질 수 있습니다. 하지만 실제로 그 개념은 우리가 이미 중학교 때부터 접해온 방정식 풀이에 뿌리를 두고 있습니다. 먼저 선형대수학이라는 용어를 풀어볼까요? ‘선형대수학(線形代數學)’을 한자어로 보면 **선형(線形)**은 말 그대로 “직선의 형태”를 뜻하고, **대수학(代數學)**의.. 더보기 미분법의 다양한 공식들 : 상수, 멱함수, 지수 함수, 로그 함수, 삼각 함수, 기타 아래에서 미분법의 공식과 간단한 예제를 보여 드리겠습니다. 여러분들은 머신러닝 코딩을 위해 개념만 잡는 것이기 때문에 외우지 마시고 이런 게 있구나라는 생각만 하시면 됩니다. 1. 상수 미분법 미분은 기울기(가속도)를 계산하는 것이라고 저번 강의에서 배웠습니다. 이때, 상수 같은 경우는 일정한 값을 가지기 때문에 기울기가 0이죠. 따라서, 상수는 미분 시 무조건 0이 됩니다. 2. 멱함수(Power) 미분법 멱함수는 지수 n을 고정으로 하고 밑을 변수로 사용하는 함수 입니다. 이때, 멱함수를 미분하면 아래와 같은 수식으로 표현할 수 있습니다. 지수는 변수 x 앞으로 내려오고 -1을 해주면 끝입니다. 멱함수의 예제를 살펴 보겠습니다. 변수 x의 제곱은 예제 1과 같이 간단히 계산됩니다. 변수 x의 -1 승.. 더보기 미적분학(머신러닝) : 평균 변화율과 순간 변화율, 미분 계수, 도함수 머신러닝에서 순간적 또는 평균적으로 변화하는 변수의 변화량을 알기 위해서는 미적분학 학습이 필수적으로 필요합니다. 간략한 개념과 방법 등을 설명하겠으니 천천히 읽으시고 개념만 잡으시기 바랍니다. 1. 평균 변화율과 순간 변화율 (1) 평균 변화율 : 평균적으로 변화하는 양(기울기)이라 생각하시면 되겠습니다. 아래 수식을 보시면 평균 변화율이란 x2에서의 y값과 x1에서의 y 값의 변화를 확인하는 것과 동일합니다. 이때 Δ(델타)라는 기호는 변화량이라 생각하시면 되겠습니다. 간단히 그림으로 이해해 보겠습니다. x1이 4이고 x2가 6이며, y1이 4이며 y2가 8일 때 평균 변화율은 2가 됩니다. 즉 기울기가 2인 직선이 생성된다고 생각하시면 될 것 같습니다. 더 쉽게 말씀 드리면 우리가 자동차를 운전하다.. 더보기 미분 : 극한의 개념, 조건, 연속성 극한이란 임의의 변수가 특정값에 무한히 가까워질 때를 일컫는 말입니다. 머신러닝에서는 특정 입력 데이터 값이 a로 한없이 가까워질 때 출력이 무엇이 나올까 유추하는 것인데 아래 예제를 통해 한번 알아보겠습니다. 1. 극한의 개념 아래는 극한 수식인데 x의 값이 a에 무한이 가까워질 때 출력되는 y값은 L이란 뜻입니다. 조금 난해할 수 있으니 예제를 통해 한번 알아보겠습니다. 아래 예제에서 x축의 a값이 1로 무한이 가까워질때 출력 y값은 1이 나오게 됩니다. 그리고 x축의 a값이 2로 무한이 가까워질 때 출력 y값은 2가 나오게 되고요. 간단하죠? 이게 극한입니다. 이때, f(x)는 y와 동급이라고 생각하시면 되겠습니다. 머신러닝에서도 바둑 시합을 할 때 a라는 수를 두면 y라는 결과가 나온다라는 것을 .. 더보기 머신러닝/딥러닝을 위한 매개변수 모델링(Parametric Models) 기초 안녕하십니까. 매개변수 모델링에 대해서 말씀드리겠습니다. 이 개념은 앞으로 딥러닝 또는 머신러닝을 하실 때 가장 중요한 핵심 개념이기 때문에 이해하고 가시면 많은 도움이 될 것 같습니다. 1.Parametric Models 개념설명 말이 어려운데 실제로는 간단한 개념입니다. 아래 그림과 같이 철수와 영희의 수학과 영어 점수는 다르나 합은 동일하죠? 그러면 점수는 동점일 것입니다. 여기에 Parametric Models 개념을 넣어 보겠습니다. 즉, 가중치를 넣겠다는 뜻입니다. 예를 들어 수학에는 곱하기 2를 하고 영어에는 곱하기 0.5를 해 보겠습니다. 위의 가중치를 곱한 예제를 보시면 철수가 영희보다 75점 더 앞서는 것을 확인할 수 있습니다. 이렇게 특정 가중치를 곱하게 되면 출력이 정말 달라지는데 .. 더보기 선형 함수(Linear Function) : 선형 결정 경계, 선형성, homogeneity, additivity 선형 함수라는 것은 간단히 말씀드려 직선으로 구현되며, 제곱이 없다는 것과 동일합니다. 입력이 있으면 출력이 항상 일정하게 나오는 것을 선형 하다고 하지요. 그러면 이 개념만 가지고 선형 함수를 설명드리겠습니다. 우리가 사는 세계는 전부 비선형적인데 굳이 성형성을 찾는 이유는 어떠한 문제를 분석, 설계, 개선을 위해서 문제점을 최대한 근사하여 단순하게 보겠다는 뜻입니다. 즉, 문제가 선형적으로 변해야 우리는 그. 나. 마 문제에 대한 추측과 계산을 할 수 있기 때문이죠. 1. 선형 결정 경계(Linear Decision Boundary) 특정 그룹들이 직성으로 경계가 구분되는 것을 말합니다. 아래와 같이 예를 들어 보겠습니다. 아래 그림에서 녹색 점들은 만화를, 빨간색 점들은 비디오를 좋아하는 사람들입니.. 더보기 이전 1 2 3 다음
