머신러닝에 관한 질문
- 지도 학습(Supervised learning), 비지도 학습(Unsupervised learning)의 차이에 대해 설명하세요
- Vector에서 norm은 무엇이고, L1-norm과 L2-norm의 차이를 설명하세요
- Regularization에서 Ridge와 Lasso의 차이를 설명하세요
- Discriminative model은 Geverative model과 estimation goal이 어떻게 다른지 설명하세요
- Entropy란 무엇인가요? 동전 던지기를 할 때 Entropy가 최대가 되는 경우는 언제인가요?
- Bias와 Variance의 차이를 설명하세요
- K-fold cross validation에 대해서 설명하세요
- Clustering과 Classification의 차이를 설명하세요
- Distance measure 중에서 Euclidean distance와 Cosine similarity의 차이를 설명하세요. 각 각의 measure가 적합한 예를 제시하세요
- Linear Regression을 설명하세요. Linear regression에 사용하는 loss function을 정의하세요
- Loss function이 non-convex라는 것은 어떤 의미인가요?
- LSTM과 vanila RNN과의 차이를 설명하세요
이 질문을 받았을 때, 누군가에게 명확하게 설명할 수 있는 질문이 하나도 없다.
어설프게 알고 있는 건 모르는 것보다 못한 것이다.
먼저 이 질문의 답들을 설명할 수 있도록 공부 방향을 잡아보자.
머신러닝 프로세스
(① 기존 데이터)를 (② 알고리즘)으로 학습하여 (③ 모델)을 만들고,
(④ 새로운 데이터)를 (③ 모델)을 통해 (⑤ 예측)한다.
① → ② → ③ → ④ → ⑤ 순으로 진행된다
많이 접했던 머신러닝의 프로세스가 지금에서야 더욱 명쾌하게 와닿는다.
싱글톤 패턴
하나의 클래스에 하나의 인스턴스만 생성하여 사용하는 패턴이다.
한개의 인스턴스만을 고정 메모리 영역에 생성하고 추후 해당 객체를 접근할 때 메모리 낭비를 방지할 수 있다.
데이콘에서 진행했던 전력 사용량 예측 문제를 가지고 클러스터링 코드 실습을 진행했다.
이론을 들을 땐 어려움을 못 느꼈는데, 실습에서 코드를 제대로 이해하지 못한 채 수업이 진행되니 모르는 것들이 쌓여 어느 순간 놓쳐버리고 말았다.
오늘은 정말 따라가기도 벅찼다. 모르는게 너무 많아 무엇을 질문해야 할지도 감이 오지 않았는데, 다른 동기들은 자신이 무엇을 모르고 있는지에 대해 질문을 하는 것이 부러웠다. (내가 뭘 모르는지 아는 게 어려운 것 같다.)
버티면 후에 반드시 이해가 되는 시점이 올 거라는 믿음으로 힘들지만 끝까지 버텨내보자