난쟁이 개발자

챕터3에서는 데이터 세트를 적절한 함수에 최적화하고 이 함수가 새 데이터에서 잘 수행되는지 확인하는 방법을 설명한다. 이 장에서는 이 과정이 인공 지능 문제의 핵심이며, 이후 챕터에서 더 복잡한 작업을 일반화되는 방법을 보여준다.많은 머신 러닝 모델의 핵심은 주어진 데이터 포인트 세트를 적절한 함수에 최적화 하는 것.회귀, 로지스틱 회귀, 서포트 벡터 머신과 같은 인기 있는 머신 러닝 기술을 소개한다.이러한 기술들을, 훈련 함수, 손실 함수, 최적화 라는 통합 주제를 공유한다.훈련 함수는 데이터에서 학습한 매개변수를 사용하여 입력 데이터에서 출력을 예측한다.손실 함수는 훈련 함수의 예측과 실제 데이터 레이블 간의 오차를 측정한다.최적화는 손실 함수를 최소화하는 매개변수 값을 찾는다.중요한 개념들회귀 : ..

이 챕터에서는 AI에서 데이터가 얼마나 중요한지를 강조한다. 또한 구조화된 데이터와 비구조화된 데이터, 선형 모델과 비선형 모델, 실제 데이터와 시뮬레이션된 데이터, 결정적 함수와 확률 변수, 이산 분포와 연속 분포, 사전 확률과 사후 확률, 가능도 함수 등 혼동하기 쉬운 개념의 차이점을 명확히 한다. 또한 세부 사항을 다루지 않고 AI에 필요한 확률 및 통계에 대한 로드맵을 제공하며 가장 널리 사용되는 확률 분포를 소개한다.데이터의 중요성데이터는 AI 시스템의 핵심. AI는 주로 데이터에서 학습하고 패턴을 식별하여 결론을 도출하고 결정을 내린다.데이터 과학과 AI라는 용어가 종종 같은 의미로 사용되지만, 데이터 과학은 AI의 핵심 구성 요소이지만 AI 자체와는 동일하지 않는다.실제 데이터와 시뮬레이션된..

최근 인공지능에 대해 관심이 높아지고 있다. 나날이 전세계의 선두 산업이라고 생각이 든다. 요즘 미국 주식 시장을 봐도 엔비디아, 구글, 마이크로소프트 등 AI를 다루거나, 아마존 등 클라우드 플랫폼 기업들의 약진이 예사롭지 않았다. 이미 몇년 전부터 이 기업들은 빅테크로 묶이면서 이미 많은 상승을 이루었다고 생각했지만, 이제 시작에 불과하였다.그렇다면 인공지능을 공부하는데 수학을 왜 배워야 할까? 인공지능 구현에서 가장 유용한 수학 주제를 보자면, 미적분선형대수최적화확률통계인간지능은 인지, 시각, 모국어를 활용한 의사소통, 추론, 의사 결정, 협업, 공감, 주변환경 모델링과 처리, 인구와 세대에 걸친 기술과 지식 이전, 타고난 기술과 학습된 기술을 활용하여 미지의 영역으로 일반화할 때 드러난다.최근 구..

다음으로 읽을 책은 AI를 위한 필수 수학으로 선정하였다.도서관에 새로 온 책에 꽂혀 있길래 자연스럽게 집어 왔다. 하루에 한 챕터씩 뭔가 풀이로서 읽기 보다는 직전 [나미야 잡화점의 기적]을 읽듯이 스르륵 읽어 나갈 생각이다. 그러다 뭔가 꽂히는게 있으면 그때는 전자책이나 실물 책으로 구매해서 다시 읽어볼 생각이다. 요즘 AI가 산업을 주도하고 있고, 이런 것을 대비하여 읽어보는 것도 나쁘지 않다고 생각한다.요즘 책 읽는게 재밌는데 이렇게라도 책을 읽어볼까 한다.