분류 전체보기 (161) 썸네일형 리스트형 tensorflow, keras GPU 메모리 문제 https://twinparadox.tistory.com/606 TensorFlow, Keras GPU 메모리 문제(Out of Memory) 발생 시 시도해볼 방법 빅데이터 처리나 딥러닝을 하다보면 자연스럽게 마주하는 문제가 바로 메모리 문제다. 빅데이터 처리 같은 경우 그냥 파이썬에서 Numpy나 Dataframe을 사용하는 과정에서 발생하는 일이 흔하고, 그 twinparadox.tistory.com 4. Numerical Computation https://leejunhyun.github.io/deep%20learning/2018/09/27/DLB-04/ [DeepLearningBook] Chapter 4 : Numerical Computation 이 책 내용을 정리한 포스트입니다. https://www.deeplearningbook.org/, Ian Goodfellow and Yoshua Bengio and Aaron Courville, An MIT Press book leejunhyun.github.io 3. Probability and Information Theory - Source of uncertainiy 1. Inherent stochasticity in the system bening modeled 2. Imcomplete observability 3. Incomplete modeling (model that must discard some of the information we have observed) - Frequentist probability :related directly to the rates at which events occur - Bayesian probability : related to qualitative levels of certainty (degree of belief) - Probability mass function (PMF) :.. 2. Linear Algebra https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwitkrDdpfj5AhUDMN4KHeF2C8gQFnoECAQQAQ&url=https%3A%2F%2Fwww.math.uwaterloo.ca%2F~hwolkowi%2Fmatrixcookbook.pdf&usg=AOvVaw2-gEURFNI1dDk06V90nZio https://www.google.com/url?cd=&esrc=s&q=&rct=j&sa=t&source=web&url=https%3A%2F%2Fwww.math.uwaterloo.ca%2F~hwolkowi%2Fmatrixcookbook.pdf&usg=AOvVaw2-gEURFNI1dDk06V90nZio&ved=2ahUKEwi.. Chapter2 - Probability Distribution [통계 분석] 통계 기초 - 수학 기호 & 통계 기호 통계 기호 l 상징 기호 이름 의미/정의 P ( x ) 확률 밀도 함수 (pdf-probability density function ) P ( a ≤ x ≤ b ) = ∫ f ( x ) dx P ( A ) 확률 함수 사건 A의 확률 P ( A ∩ B ) 사건 교차 확률 사건 A와 B의 확률 P ( A ∪ B ) 사건 합동 확률 사건 A 또는 B의 확률 P ( A | B ) 조건부 확률 함수 이벤트 B가 발생한 경우 이벤트 A의 확률 Σ 통계에서는 수열의 합. 시그마. 수열의 모든 항을 더한것 더하다는 뜻 sum 에서 유래하여 그리스 기호 시그마로 s로 나타낸다. F ( x ) 누적 분포 함수 (cdf-Cumulative distribution function) F ( x ) = P ( X ≤ x ) E .. Chater1 - Probability theory - 불확실성 (uncertainty) 이 발생하는 이유 .충분하지 못한 데이터 .관찰된 데이터의 noise - Probability theory : 불확실성을 정확하고 정량적으로 표현하는 수학적 프레임 워크 제공 - Decision theory : 불완전하고 모호한 정보로부터 최적의 예측안을 마련 - 확률의 법칙 - 확률 밀도 (Probability densities) - 평균과 공분산 (Expectations and covariances) *Covariance (COV, 공분산) : 두 개 이상의 확률변수의 상관 정도 (인과관계를 나타내지는 않음) - 베이지언 확률 (Bayesian probabilities) .확률을 고려 할 때, 빈도론자 (Freuqentist) 는 발생한 사건에 대한 빈도를 고려 .. Chapter 1 - 개요 - 대부분 데이터는 본질적으로 확률에 의한 프로세스이며, 관찰되지 못한 원인이 포함되기 때문에 noise 를 포함함 - Noise 가 포함된 데이터로부터 실제 모델(확률분포) 를 얻어내기는 어려운 과정이며, 다음 2가지 이론을 활용 .Probablity theory : 불확실성을 정량화하여 표현 할 수 있는 수학적 프레임워크를 제공 .Decision theory : 확률적 표현을 바탕으로 적절한 기준에 따라 최적의 예측을 수행하는 방법론 제공 - Machine learning 시에 Polynomial 로 근사 모델 사용 (테일러 급수 형태의 함수 근사 사용) *테일러 급수는 M 값 (차수) 가 높아질수록 "특정 위치" 에서 다 잘맞음. 하지만 overfitting 됨 (extrapolation 오차 커짐.. 이전 1 ··· 14 15 16 17 18 19 20 21 다음
