문지원의 AI 공부 노트

My Github Page

AI 관련 공부한 내용들을 정리했습니다.
기초 수학, 인공지능 수학은 그냥 내가 알던거/모르던거 기준임

기초 수학

• Calculation of Vectors and Matrices

원본 링크

인공지능 수학

• Cost Function
• Tensor

원본 링크

인공지능 기초 개념

• Iteration

• Hypothesis

• Criterion

• Batch

• Sample and Feature

• Mini Batch Gradient Descent

• One-Hot Encoding

• 검증용 데이터

• Hyperparameter

• Classification and Regression

  • Binary Classfication
    • Logistic Regression
      • Sigmoid Function
  • Multi-class Classification
    • Softmax Regression
      • Softmax Function
  • Regression
    • Linear Regression
      • Optimizer - Gradient Descent

• Supervised Learning and Unsupervised Learning

• Confusion Matrix

• Overfitting and Underfitting

• Activation Function

• Perceptron

  • Single-Layer Perceptron
  • Multi-Layer Perceptron (MLP)

• Deep Learning

원본 링크

Pytorch

• Broadcasting
• Dot Product vs Element-Wise Multiplication
• Implementing a Model in a Class
• In-place Operation
• nn.Sequential()
• tensor.view()
• torch.argmax()
• DataLoader
• nn.CrossEntropyLoss()
• nn.BCELoss()
• nn.Linear()

원본 링크

추가 개인 과제

• 직선의 비용 함수는 MSE를 쓰는데 더 쉬운 방법이 있어보이는데 왜 그걸 안할까? 더 쉬운 방법 찾아보고 해보기
• 강화 학습 공부하기 (책에서는 안 다룸)