Professional Documents
Culture Documents
4
4
• 벡터
• 함수
• 행렬
• 미분
• 확률
벡터
벡터
• 숫자열
벡터
• 영어 점수 70점
• 수학 점수 45점
• [ 70, 45 ]
벡터
벡터
• 영어 점수 70점
• 수학 점수 45점
• 국어 점수 60점
• [ 70, 45, 60 ]
벡터
벡터
벡터
철수
영희
길동
벡터
철수
영희
길동
벡터
벡터
철수
영희
길동
벡터
벡터
벡터
벡터
벡터
• https://youtu.be/fNk_zzaMoSs
함수
함수
• 입력
• 출력
• y = f(x)
함수
• 입력
• 출력
• f(x) = ax + b
함수
• 합성함수
• y = ( f ∘ g)(x)
• y = f(g(x))
함수
• 합성함수의 성질
• h ∘ (g ∘ f ) = (h ∘ g) ∘ f
−1 −1
• f∘f =f ∘ f = I
• f∘g≠g∘f
함수
• y = f(x)
행렬
행렬
• 직사각형의 틀 안에 넣어놓은 숫자
• 벡터를 여러 개 쌓아 놓은 것
행렬
• 행렬 곱셈
행렬
• https://youtu.be/kYB8IZa5AuE
행렬
• 행렬 곱셈
• y = ABx
• y = A(Bx)
• A(BC) = (AB)C
−1 −1
• AA = A A = I
• AB ≠ BA
행렬
• 행렬 곱셈의 성질
• 합성함수의 성질
• y = ABx
• y = ( f ∘ g)(x)
• y = A(Bx)
• y = f(g(x))
• A(BC) = (AB)C
• h ∘ (g ∘ f ) = (h ∘ g) ∘ f
−1 −1 −1 −1
• AA = A A = I
• f∘f =f ∘ f = I
• AB ≠ BA • f∘g≠g∘f
행렬
함수 행렬입력 벡터 출력 벡터
함수
• 입력
• 출력
• f(x) = ax + b
• https://setosa.io/ev/image-kernels/
행렬
• https://youtu.be/XkY2DOUCWMU
미분
미분
• 영향력
• f: 식물 함수
• x: 햇빛, 바람, 물
• y: 식물의 상태
• f: 식물 함수
• x: 햇빛, 바람, 물
• y: 식물의 상태
• 병듦 = 식물 함수(1, 1, 1)
미분
• f: 식물 함수
• x: 햇빛, 바람, 물
• y: 식물의 상태
• 병듦 = 식물 함수(1, 1, 0)
미분
• f: 식물 함수
• x: 햇빛, 바람, 물
• y: 식물의 상태
• 병듦 = 식물 함수(1, 0, 1)
미분
• f: 식물 함수
• x: 햇빛, 바람, 물
• y: 식물의 상태
• 건강 = 식물 함수(0, 1, 1)
미분
• 병듦 = 식물 함수(1, 1, 1)
• 병듦 = 식물 함수(1, 1, 0)
• 병듦 = 식물 함수(1, 0, 1)
• 건강 = 식물 함수(0, 1, 1)
미분
미분
• 병듦 = 식물 함수(1, 1, 1)
• 병듦 = 식물 함수(1, 1, 0)
• 병듦 = 식물 함수(1, 0, 1)
• 건강 = 식물 함수(0, 1, 1)
확률
확률
확률
• 주사위 A를 던졌을 때 2가 나올 확률
• P(A = 2)
확률
• 주사위 A, 주사위 B
• P(A = 2)
• P(A = 2,B = 3)
• P(B = 3 ∣ A = 2)
확률
• 주사위 A, 주사위 B
1 2 3 4 5 6
3
B
4
6
확률
• P(A = 2)
A
1 2 3 4 5 6
• marginal (주변)
1
3
B
4
6
확률
• P(A = 2,B = 3)
A
1 2 3 4 5 6
• joint (결합)
1
3
B
4
6
확률
• P(B = 3 ∣ A = 2)
A
1 2 3 4 5 6
• conditional (조건부)
1
3
B
4
6
확률
• conditional (조건부)
P(A = 2,B = 3)
• P(B = 3 ∣ A = 2) =
P(A = 2)
확률
P(A, B)
• P(B ∣ A) =
P(A)
확률
P(A, B)
• P(B ∣ A) =
P(A)
• P(B ∣ A)P(A) = P(A, B)
확률
P(A, B) P(B, A)
• P(B ∣ A) =
• P(A ∣ B) =
P(A) P(B)
• P(B ∣ A)P(A) = P(A, B)
• P(A ∣ B)P(B) = P(B, A)
확률
P(B ∣ A)P(A)
• P(A ∣ B) =
P(B)
확률
• A 사건, B 사건
• H 가설, D 데이터
확률
P(B ∣ A)P(A)
• P(A ∣ B) =
P(B)
P(D ∣ H)P(H)
• P(H ∣ D) =
P(D)
확률
• P( D=양성 | H=감염 )
• P( D=사과 | H=미안함 )
• P( D=요통 | H=비 )
확률
• 역방향 확률
• P( H=감염 | D=양성 )
• P( H=미안함 | D=사과 )
• P( H=비 | D=요통 )
확률
P(B ∣ A)P(A)
• P(A ∣ B) =
P(B)
P(D ∣ H)P(H)
• P(H ∣ D) =
P(D)
확률
P(D ∣ H)P(H)
• P(H ∣ D) =
P(D)
•
확률
•
확률
•
확률
P(D ∣ H)P(H)
• P(H ∣ D) =
P(D)
• P(H ∣ D) ≈ P(D ∣ H)P(H)
•
확률
사후 확률 우도 (likelihood)
• 사전 확률
인공신경망에서 수학 찾기
인공지능에 필요한 수학
• 벡터
• 함수
• 행렬
• 미분
• 확률
인공신경망에서 수학 찾기
인공신경망에서 수학 찾기
• 벡터 -> 데이터
• 함수
• 행렬 -> 데이터, 연산
• 미분
• 확률
인공신경망에서 수학 찾기
인공신경망에서 수학 찾기
• 벡터 -> 데이터
• 함수 -> 모델 자체
• 행렬 -> 데이터, 연산
• 미분
• 확률
인공신경망에서 수학 찾기
random
weight
0.2
1
0.3
255 0.4
210
인공신경망에서 수학 찾기
random
weight
0.2
1
0.3
255 0.4
210
인공신경망에서 수학 찾기
• 벡터 -> 데이터
• 함수 -> 모델 자체
• 행렬 -> 데이터, 연산
• 미분 -> 모델 개선
• 확률
인공신경망에서 수학 찾기
• 벡터 -> 데이터
• 함수 -> 모델 자체
• 행렬 -> 데이터, 연산
• 미분 -> 모델 개선
• 확률 -> 모델 개선 원리
인공신경망에서 수학 찾기
P(D ∣ H)P(H)
• P(H ∣ D) =
P(D)
•
인공신경망에서 수학 찾기