가르치는

CS 229 ― 기계 학습
Star


치트시트


지도 학습
  • • 예측의 종류
  • • 판별 모델, 생성 모델
비지도 학습
  • • 기댓값 최대화, k-평균 군집화, 계층적 군집분석
  • • 군집화 평가
  • • 주성분 분석, 독립성분분석
딥러닝
  • • 구조, 활성화 함수, 역전파, 드롭아웃
  • • 합성곱 층, 배치 정규화, 게이트
  • • 마르코프 결정 과정, 벨만 방정식, Q-러닝
팁과 트릭
  • • 혼동 행렬, 정확도, 정밀도, 리콜, F1 스코어, ROC
  • • R 스퀘어, 맬로우의 CP, AIC, BIC
  • • 교차-검증, 정규화, 편향/분산 트래이드오프, 오류 분석

복습


확률과 통계
  • • 확률의 공리, 순열, 베이즈 규칙, 독립성, 조건부 확률
  • • 확률 변수, 기대값, 분산
  • • 중심 극한 정리, 모수 추정
선형대수와 미적분학
  • • 주요 행렬, 곱셈, 전치, 역행렬, 대각합, 행렬식
  • • 고유값, 고유벡터, 노름, 그라디언트, 헤시안
  • • 양의 준정부호 행렬, 스펙트럼 정리, 특이값 분해