전체 글 (42) 썸네일형 리스트형 _04.[관련용어]빅오 표기법 빅오 표기법의 종류 1. O(1) 입력값이 아무리 커도 실행 시간은 일정합니다. O(1)에 시행되는 알고리즘으로 해시 테이블의 조회 및 삽입이 이에 해당합니다. 2. O(logn) 실행 시간이 입력값에 영향을 받습니다. 그러나 로그는 매우 큰 입력값에도 크게 영향을 받지 않는 편으로 웬만한 n의 크기에 대해서도 매우 견고합니다. 대표적으로 이진 검색이 이에 해당합니다. 3. O(n) 입력값만큼 실행 시간에 영향을 받으며, 알고리즘을 수행하는 데 걸리는 시간은 입력값이 비례합니다. 이러한 알고리즘을 선형 시간 알고리즘이라고 합니다. 정렬되지 않은 리스트에서 최댓값 또는 최솟값 경우가 이에 해당하며 이 값을 찾기 위해서는 모든 입력값을 적어도 한 번 이상은 살펴봐야 합니다. 4. O(n logn) 병합 정렬.. _03. coma반 수업 노트필기_Part2 파이썬 기본 수업이 끝나고, 자료구조로 넘어온지 2주차이다. 파이썬 코딩을 매일 해도 모자랄 판에, 수업 날만 빼꼼히 들여다본다. 6개월을 매일 열심히 달린다는 것 자체가 잘못된 목표였다며.. 2달을 마감하며 나 자신과 타협을 했다. 나는 지구력이 약해서 장기 프로젝트는 늘 어렵다. 짧게는 2~3일, 길게는 3개월이 내게는 딱 이루기 좋은 기간이다. 에이펠의 6개월은 나에게 여러모로 시험을 통과하는 기분이 들게 한다. 6개월을 가려면 잠시 속도를 늦춰보자. 인생은 속도보다 방향이렷다. 이런 말은 필요할 때 가져다 쓰라고 있는 거니까.. 오늘 너의 필요를 끌어와 보련다. Part2. [자료구조]01. 배열/스택/큐 (2/24) [자료구조]02. 링크드 리스트 (3/03) [자료구조]03. 해쉬테이블 (3/.. _03.Normalization/ Standardization/Regularization? [자료퍼옴][realblack0.github.io/2020/03/29/normalization-standardization-regularization.html] 딥러닝을 공부하다 보면 “정규화” 라는 용어를 참 자주 접하게 된다. 그런데 애석하게도 Normalization, Standardization, Regularization 이 세 용어가 모두 한국어로 정규화라고 번역된다. 이 세가지 용어가 다름을 알고 난 뒤로부터 가능한 딥러닝 용어들을 한글이 아닌 영어로 쓰려고 하고 있다. 매번 헷갈리는 Normalization, Standardization, Regularization의 차이에 대해서 간략히 정리해둔다. Normalization 값의 범위(scale)를 0~1 사이의 값으로 바꾸는 것 학습 전.. _10.[CS231n]Lecture7. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. Optimization Lecture5. Neural Networks Lecture6.Backpropagation Lecture7.CNN(Convolutional neural network) 7.1 Convolutional Network 7.2 Convolutional Network 7.3 Convolutional Network 7.4 Convolutional Network 7.5 Convol.. _09.[CS231n]Lecture6. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. Optimization Lecture5. Neural Networks Lecture6.Backpropagation 6.1 How to compute gradients? 6.2 Another Example 6.3 Backprop with vector 6.4 숙명여대 한국어 강의 [링크1] (01:01:00부터) 숙명여대 한국어 강의 [링크2] 6.1 How to compute gradients?.. _08.[CS231N]Lecture5. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. Optimization Lecture5. Neural Networks 5.1 개요 5.2 Fully-connected neural network 5.3 Space Warping 5.4 Universal Approximation 5.5 Convex Function 숙명여대 한글강의 [링크](55분 부분부터) 5.1 개요 선형분류 모델은 몇가지 문제가 있습니다. 선형분류로 분류되지 않는 문제와 템.. _07.[CS231N] Lecture4. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers Lecture4. 최적화(Optimization) 4.1 optimization 개요 4.2 Computing Gradients Numeric gradient Analytic gradient 4.3 Stochastic Gradient Descent(SGD) 4.4 SGD 변형 (5가지) 숙명여대 한국어 강의:[링크] 이번 강의부터는 드디어 한국어 강의 영상을 같이 볼 수있게 되었다. 숙명여대 최영근 교수님의 강.. _06.[CS231N] Lecture3. CS231 보기전 머신러닝 인스톨하기 DL-CNN을 이용한 이미지 인식의 개념정리 Lecture1. Introduction to Deep Learning for Computer Vision. Lecture2. Image Classification Lecture3. Linear Classifiers 3.1 선형 분류기(Linear Classification) 3.2 선형분류기 세가지 관점 3.3 손실함수 (Loss Function) 3.3-1 Milticlass SVM Loss 3.3-2 Regularization 3.3-3 Cross-Entropt Loss Assignment2:[링크] *이번 강의부터는 Michigan CS231n강의를 한국 숙명여대 통계학과에서 번역하여 수업하는 슬라이드를 가지고 학습.. 이전 1 2 3 4 5 6 다음
