Bangta's quantum

인공지능 석사를 한지 어느덧 1학기가 끝나갑니다. 석사를 하는 동안 여러가지 일들이 있었고 이 기간동안 느낀 점들을 작성하고자 합니다. 수강 강의 저는 수강 페이지에 들어가면 항상 영어로 나오더군요. 기본 설정이 영어로 되어있어서 그런가 봅니다. 쨋든 한 학기동안 수강 과목은 아래와 같습니다. 인공지능개론 딥러닝기초 데이터 분석 인공지능 수학 강의 인공지능개론 인공지능의 역사, 개념, 기본적인 모델 등을 배울 수 있었습니다. 강의를 진행하면서 다양한 분들과 교류할 수 있어서 좋았습니다. 인공지능에 대한 지식이라곤 유튜브에서 끄적거리던 저에게는 단비와 같은 수업이었습니다. AI를 배워서 무엇에, 어떻게, 어디에 쓰일 수 있는지 감이 잡히지 않았었는데, 다양한 스타트업들과 기업들을 소개해 주면서 AI가 어떻..

모비율의 추정 모비율: 모집단에서 어떤 특성을 갖는 집단의 비율 종류 1. 점추정 확률변수 X: n개의 표본에서 특정 속성을 갖는 표본의 개수 모비율 𝑝의 점추정량 $\hat𝑝 = \frac{X}{n}$ 예제 대학교 1 학년생의 흡연율을 조사하기 위해 150 명을 랜덤하게 선택하여 흡연여부를 조사하였다 . 이 중 48 명이 흡연을 하고 있었다 . 이 대학교 1 학년생의 흡연율의 평균을 점추정하시오 . 𝑛 = 150 , 𝑋 = 48 $\hat𝑝 = \frac{𝑋}{𝑛} = \frac{48}{150} = 0.32$ 평균흡연율을 32% 로 추정됨 2. 구간추정 𝑛이 충분히 클 때, $n \hat p > 5, n(1 - \hat p) > 5$ 일 때를 의미 X~N(np, np(1 - p)) 확률변수 X의 표준화..

모평균 μ 모평균의 추정에 대해 정리해 보려고 합니다. 수업이 가면 갈수록 어려워지네요. 요즘들어 학창시절 수학 공부를 하지 않았던 저 자신이 후회되는 시간을 자주 갖는 듯 합니다. 뒤처진 만큼 꾸준히 해나가야할 듯 합니다. 국민대 인공지능수학 13주차 수업 자료를 바탕으로 작성되었습니다. 모평균의 추정 모평균이 정규분포인 경우 표본평균을 사용 $$ \overline{X} = \frac{X_1+X_2+\dots+X_n}{n}= \frac{\sum_{i=1}^{10}X_1}{n} $$ 종류 1. 점추정 표본평균이 점 추전값 (추정량)이 됨 import numpy as np ## 표본추출 samples = [9,4,0,8,1,3,7,8,4,2] ## 표본의 평균 = 모집단의 점추정 값 print(np.mea..

확률 확률1 반드시 그 사건이 일어남 확률 0 그 사건이 절대로 일어나지 않음 확률은 0 ~ 1 사이의 값을 가짐. 조합(combination) 어떤 집합에서 순서에 상관없이 뽑은 원소의 집합. 확률의 계산 예제 1 검은공: 1 ~ 3(3개) 흰공: 4 ~ 7(4개)일 때 2개의 공을 무작위로 뽑을 때, 둘 다 흰공이 나올 확률 표본공간: {(1,2),(1,3),...,(6,7)} $$ \begin{pmatrix}7\2\ \end{pmatrix} = 21 $$ 흰공이 2개인 사건: {(4,5),(4,6),(4,7),(5,6),(5,7),(6,7)} $$ \begin{pmatrix}4\2\ \end{pmatrix} = 6 $$ 확률 $$ 6/21 = 2/7 $$ 예제 2 검은공: 1 ~ 3(3개) 흰공: ..

국민대 인공지능 수업 중 5주차 과정에서 배우는 선형 함수에 대해 알아보겠습니다. 선형변환이란 행렬을 선형변환의 구현체로 하나의 함수로 보는 관점(?) 이라고 합니다만 제가 제대로 받아들인지 모르겠군요. 정리 겸 해서 배운 내용들을 작성해 보도록 하겠습니다. 선형변환은 행렬을 함수로 보기 때문에 우선 이 함수가 무엇인지 알아야 합니다. 중등, 고등 교과 과정에서의 함수에 대해 알아보겠습니다. 함수(function) 중등 교과과정 정의역(domain): 입력이 정의되는 집합 D 공역(codomain): 출력이 정의되는 집합 C 치역(range): 실제 함수의 출력이 나오는 부분집합 R 함수는 두 집합 간의 매핑룰(mapping rule)입니다. 함수의 정의 고등 교과과정 $$ f(x) = x^2 + 2x ..

행렬분해(matrix decomposition) 중 한가지인 LU 분해에 대해 알아보겠습니다. LU분해 주어진 행렬을 L: lower triangular matrix(하삼각행렬)과 U: upper triangular matrix(상삼각행렬) 두 행렬의 곱으로 나누는 행렬분해입니다. 가우스 소거법의 forward elimination(전방소거법)을 행렬로 코드화 한 것입니다. A L U [*, *, *] [*, 0, 0] [*, *, *] [*, *, *] = [*, *, 0] [0, *, *] [*, *, *] [*, *, *] [0, 0, *] U: forward elimination의 결과물입니다. L: forward elimination의 과정 및 절차입니다. 장점 LU 분해를 이용하면 Ax = b..

4주차 강의 중 알려준 pandas의 기능들을 작성해 보았습니다. (좀 더 빨리 익숙해지기 위해 글로 정리해 보았습니다.) 익숙하지 않아서 그런지 따로 공부를 하지 않으면 많이 헷갈리더군요. haed df.head(5) account name street city state postal-code Jan Feb Mar 0 211829 Kerluke, Koepp and Hilpert 34456 Sean Highway New Jaycob Texas 28752 10000 62000 35000 1 320563 Walter-Trantow 1311 Alvis Tunnel Port Khadijah NorthCarolina 38365 95000 45000 35000 ... Tranverse // 행과 열을 바꿔서 출력 ..