해당 강화학습 모델이 어떤 의미를 가지는지 궁금합니다.그냥 자산배뷴비율 백테스트로 gridsearch식으로 비율을 다르게 해서 지표가 가장 좋은걸 찾는 방법과강화학습을 사용한것과 어떻게 다른것인지 궁금하네요.강화학습을 사용했기때문에 리밸런싱 시기마다 자산 등락 경향을 참고해서 다음 최적의 리밸런싱 비율을 구하는건가요?

첫번째 문제의 보기가 matmul 이 아닌지요?

강의 잘 보고 있습니다.몇몇 프로그래밍 실습강의가 있는데, 거기서 사용된 소스코드는 공유가 안되는지요? 소스가 공유 된다면 유용할 것 같아요.

3-1 강화학습 기본 알고리즘-마르코프 결정과정 8. 마르코프 결정과정 상태 가치 함수 ---> 소스코드 없음

저만 그런건지 모르겠는데 강의 영상도 검은색으로 나오고 이전 강의랑 동일한 영상이 나오더라고요. 실제로 잘못 올라와 있는 건지 아니면 저 개인의 문제인지 확인해봐야 할 것 같습니다. 

저는 현직 웹 개발자로, 강화학습 및 머신러닝에 평소 큰 관심이 있어서 관련 강의를 꾸준히 듣고 있습니다. 최근 강의들은 분량이 짧아 접근성은 좋은데, 수학적 표현(수식, 기호)이 등장할 때마다 의도를 즉각적으로 해석하지 못하고 혼란을 겪습니다.강의자 분께서는 '필요한 수학적 개념은 강의 중에 그때그때 이해하면 된다'고 안내하지만, 저에게는 수학적 진입장벽이 너무 높게 느껴지고, 결국 코드의 동작 방식만 어렴풋이 이해할 뿐 수학적 본질을 놓치게 되어 데이터 분석 분야 학습에 자꾸 실패감을 경험하고, 많은 관련 강의를 듣기를 실패한 경험들이 많습니다.실무 개발자로서 강화학습과 머신러닝을 업무에 적용하고 싶은데,수학적 배경이 깊지 않아도 어느 정도까지는 실무 적용 가능한 수준의 이해가 가능한지,수학적 난관을 만났을 때 어떤 접근법과 학습 전략이 효과적인지,제대로 이해하고 있다는 것을 확인할 수 있는 메타인지 방법이나 공부 전략은 무엇인지현실적이고 구체적인 조언을 부탁드립니다.

수업자료를 아무리 풀어봐도 코드가 없습니다 모두 dummy 파일만 있습니다. 코드 따로 공유 가능할까요?.

공유해주신 수업자료에서 코드를 찾지 못하겠습니다.어디에 있나요?

 anaconda에서는 환경구축 하기가 힘든가요? 제가 연구실 컴터가 conda 가상환경으로 환경구축이 되어있어서,,,python도 3.13.5쓰고 있는데 다 삭제하고 3.7.7설치하는 건 조금 부담이 되서 ㅜㅜ

실습 스크립트 파일은 따로 제공되지 않나요?

- 강의 영상에 대한 질문이 있으시면, 상세히 문의를 작성해주시면, 주말/휴일 제외, 2~3일 내에 답변드립니다 (이외의 문의는 평생 강의이므로 양해를 부탁드립니다.)- 강의 답변이 도움이 안되셨다면, dream@fun-coding.org 로 메일 주시면 재검토하겠습니다. - 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요. 강의 교안을 이메일로 3가지를 지켜서 보내면 오전 중에 보내주신다는 영상이 있는데, 제가 토요일에 보내고 월요일에 안 보내주셔서 리마인더 메일도 드렸는데 읽으시고 어째서 아무 반응이 없으신거죠? 강의 교안을 구글 드라이브로 넣어주시는지, 이메일로 pdf 형식으로 오는지, 그 어떠한 답변도 못 받고 계속 기다리기만 해야하나요?처음 결제해보는데 너무 답답하고 짜증이 납니다. 이런 건 어디에다 문의해야하는겁니까?

물리 정보 신경망을 학습 시킬때 실제 계측 데이터를 같이 이용하여 손실 함수에서 가중치를 더 준다면 미분방정식에서 고려되지 못하였던 실제 시스템에서의 비선형성을 고려할 수 있나요?

안녕하세요 항상 너무 좋은강의 잘 듣고있습니다! 다름이 아니라 실습 중 값이 이상하게 나와 질문드립니다. 현재 맥북 사용중이구요, 강의 코드에 올라온 CUDA 사용하는 부분만 mps로 변경하였습니다.그러나 loss 값이 아래 사진과 같이 점점 음수쪽으로 커집니다. 그리고 test시 정확도도 28프로 정도로 낮게 나오구요. 딥러닝을 Unet과 같은 cnn 기반 모델에서도 돌리고있는데 지금까지 mps 설정에서 문제가 된적은 없었습니다..! 근데 갑자기 왜 이런 결과가 나온걸까요? import torch device = 'mps' if torch.backends.mps.is_available() else 'cpu' torch.manual_seed(1) print(device) model = model.to(device)

13섹션의 강의자료 보내주세요.Regularization, Architecture 관련 강의 자료가 없어요.

10_Regularization.md 일이 업Dropout, Batch Nomalization에 대한 강의자료가 없어요. 학인후 전달 부탁드립니다.

- 강의 영상에 대한 질문이 있으시면, 상세히 문의를 작성해주시면, 주말/휴일 제외, 2~3일 내에 답변드립니다 (이외의 문의는 평생 강의이므로 양해를 부탁드립니다.)- 강의 답변이 도움이 안되셨다면, dream@fun-coding.org 로 메일 주시면 재검토하겠습니다. - 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요.올려준 강의 중에서 섹션 16의 주식 데이터 예측하기를 수강하던 중에 궁금한 점이 생겼습니다.각 날짜의 시작 가격을 입력으로 넣고 마감 가격을 정답으로 했는데, 그러면 추후 학습된 모델을 이용해서 예측을 할 때 2일 또는 3일 뒤의 가격을 예측할 수 있나요?다른 학습 모델을 만들어야 하나요?

안녕하세요. 강의 듣다가 의문사항이 있어 질문드립니다.공유해주신 pdf 파일에서 07.multilabel_classification.pdf 에서BCELOSS 함수와 Binary classification(이진분류)에 적힌 내용입니다. Regression 문제에서 mse loss 함수를 사용하면 , 함수가 non-convex 한 이슈가 있다고 적혀있는데Regression 이 아니라 classification 문제에서 발생하는 이슈가 아닌가싶어 질문드립니다. mse loss 함수가 non-convex한 이슈가 발생한다는 점이 왜 언급된건지 궁금합니다.

안녕하세요. 강의 잘 보고 있습니다.학습시 minibatch를 사용했다면, test시에서 minibatch 수만큼 사용하여 prediction한다고 하셨는데,제가 알고 있던 것과 좀 달라 문의드립니다.학습할때는 minibatch gradient descent를 사용해 학습하더라도, 테스트할때는 minibatch 만큼 인풋을 사용할 필요가 없을것 같은데요.예를들어 한개의 데이터(여러 feature를가진)만을 인풋으로 넣어도 당연히, output인 집값을 잘 예측해야하고,minibatch 이상의 데이터 수를 넣어도 역시 잘 예측해야 맞는게 아닌가 싶습니다.미니배치를 쓰더라도 데이터셋전체를 한번의 epoch안에 다 사용해서모델을 튜닝하고 epoch을 반복하니까,평가할때는 미니배치랑은 전혀 상관없는것으로 알고있었는데, 아닌가요? 감사합니다.

강의 제목이 논문 구현인데 논문에 대해서는 너무 짧은거같습니다 ㅠ 혹시 연구원(강사) 님 다른 강의추천 해주실수있나요..

11_MILTI-LABEL-CLASSIFICATION-DROPOUT-BATCHNORMALIZATION.ipynb 파일의 테스트 셋 기반 Evaluation 코드 질문이 있어서 문의 드립니다. test_loss /= len(test_batches.dataset)평균 Test loss를 보기 위해서는 뒤에 .dataset이 빠져야 되는 것이 아닌가 싶어서 문의 드립니다.loss를 구하는 과정은 minibatch 단위로 구했기 때문에 minibatch로 나누어야 평균 Test loss가 아닌가 싶습니다.