수업자료

마지막 색션에 수업자료 올려 놓았습니다.

8강 수업 내용과 녹음 내용 불일치

안녕하세요 소프트 캠퍼스입니다. 먼저 수강하시는데 불편함을 드려서 죄송합니다.현재 확인 중에 있으며 빠르게 조치하도록 하겠습니다.감사합니다.

17강 강의 마지막 부분에서 헷갈리는 부분이 있습니다.

우상향으로 이어지는 그래프가 되어야 하는 것이 맞습니다. 영상 마지막에 좌상향 그래프로 그린것은 오류입니다. 우상향 그래프로 보시고 이해해 주시면 되실것 같습니다. 감사합니다.

14강의 예시 데이터를 통한 답을 구하는 과정에서의 문의

안녕하세요 소프트 캠퍼스 입니다. 질문에 답을 드리겠습니다.X^T가 Singular일 때 발생하는 현상: 무수히 많은 해선형회귀에서 X^TX의 역행렬이 존재하지 않는다는 것은 독립변수들 사이에 완벽한 다중공선성(Perfect Multicollinearity)이 존재하거나, 변수의 개수가 데이터 개수보다 많다는 뜻입니다.이 경우 데이터를 만족하는 회귀계수(W)의 조합은 단 하나가 아니라 무수히 많이 존재하게 됩니다. 즉, 어떤 방법을 쓰든 '오차 제곱합을 최소화한다'는 목적은 달성할 수 있지만, 그 목적을 달성하는 W와 b의 값 자체는 고정되지 않고 여러 형태가 될 수 있습니다.2두 방식의 수학적 차이와 의사역행렬의사역행렬은 무수히 많은 해 중에서 "계수 벡터의 L2 Norm(길이)이 가장 작은 해"를 찾는 특성을 가지고 있습니다. 질문하신 두 방법은 의사역행렬을 적용하는 '대상'의 구조가 다르기 때문에 최적화 기원(Origin)이 달라져 다른 숫자를 뱉어냅니다.평균 중심이동 (Centering) 후 의사역행렬데이터를 평균만큼 이동시켜 b(절편)의 영향을 먼저 제거한 뒤, 독립변수들 간의 관계만 가지고 의사역행렬을 구합니다. 이 방식은 "절편을 제외한 가중치들(w1, w2, ... )의 제곱합을 최소화"하는 방향으로 해를 찾습니다.1로 채워진 열벡터 추가 (Augmentation) 후 의사역행렬X 행렬 맨 앞에 1을 추가하여 Wnew = [b, w_1, w_2, ...]^T 구조를 만듭니다. 이 상태에서 의사역행렬을 구하면, 컴퓨터는 "절편 b를 포함한 모든 가중치의 제곱합을 최소화"하는 해를 찾습니다.두 방법 모두 오차(Residual)를 최소화한다는 목적은 동일하게 달성하지만, 의사역행렬이 최소화하려는 대상(가중치 벡터의 크기)에 편향(b)이 포함되느냐 마느냐의 차이가 생깁니다. X^TX가 Singular이기 때문에 이 작은 기준 차이가 완전히 다른 W와 b 값이라는 결과로 나타나는 것입니다.만약 X^TX가 Singular가 아니라면? (Full Rank)정확히 짚어주신 대로, 만약 X^TX의 역행렬이 명백히 존재하는 상황(Full Rank)이라면 어떤 방식을 사용하든 수학적으로 완벽히 동일한 W와 b가 도출됩니다. 유일한 하나의 해(Unique Solution)가 존재하기 때문에, 중심이동을 해서 구한 뒤 b를 따로 계산하든, 1을 추가해서 한 번에 구하든 최종 회귀 방정식은 일치하게 됩니다.본 과정은 선형 대수학을 자세히 다루는 과정이 아니기 때문에 강의에서 언급하는 기본적인 내용만 알고 가시면 됩니다. 따로 선형 대수학을 자세히 공부하시면 더 헷갈리고 어려우실 겁니다. 딥러닝의 수학적인 내용은 가볍고 보고 넘어가시길 권장드립니다. 감사합니다.

수업자료

수업자료 올려 놓았습니다.

선수과목

비슷합니다.

소스코드 ??

업로드 되었습니다.

강의 오류

불편을 드려 죄송합니다. 정상 파일로 수정해서 올려 놓았습니다. 감사합니다.

78강 소스코드 및 미디어 파일 미디어 파일 이미지 파일 누락

안녕하세요. 지금 확인을 해보니 누락된게 맞습니다. 해당 파일은 다른 프로젝트와 동일한 파일을 사용하고 있으니 다른 프로젝트의 파일을 그대로 사용하시면 됩니다. 감사합니다.

섹션2 4번 4강 화면과 설명이 안맞음

수정 되었습니다.