일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- l1 loss
- 우도확률
- Learning Rate
- Ridge regression
- metacode
- lest square method
- F1 Score
- k-Fold
- l2 loss
- map
- colab
- hyperplane
- variacne
- loss function
- AdaGrad
- metacode metacodem
- Multiclass
- 로지스틱 회귀
- 메타코드M
- 머신러닝
- metacodem
- MLE
- regularization
- 재현도
- lasso regression
- logistic regressionlogistic
- logit
- 메타코드
- cross entropy loss
- 사후확률
- Today
- Total
목록분류 전체보기 (11)
go hard to Hardware
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M 빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다. mcode.co.kr 선형모델과 비선형모델 말고도, 데이터가 분포 형식으로 주어졌을 때 그 데이터를 어떠한 경계로 표현할 수 있으면 그를 결정경계라고 표현하고 그 경계가 선형인지, 비선형인지에도 선형/비선형 용어가 사용된다. 다음 강의부터는 머신러닝에 사용되는 기본적인 수학 상식들을 공부한다. 파라미터 사이의 관계를 표현해 주는게 함수이다. 실제로 출력되는 값은 y^(hat) 이지만 완벽한 상황을 나타내는 y가 있을텐데 그 함수를 표현하기 위해 y를 사용하기도 한다(그 함수를 찾는게 목적이니까!) 가장..
http://mcode.co.kr/video/list2?viewMode=view&idx=21 메타코드M 빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다. mcode.co.kr 메타코드M 머신러닝 입문 올인원 강의를 통해서 머신러닝의 기초를 쌓고 내가 연구하고 싶은 분야를 전문적으로 탐색해보려고 한다. 챕터는 크게 회귀, 분류, 앙상블 학습, 차원 축소, 클러스터링으로 나누어져 있다. 수업시간에 많이 듣긴 했지만... 잘 몰라서 따라가느라 힘들었는데 개강 전에 들었으면 참 좋았겠다 라는 생각이 든다 ㅠㅠ 우선 인공지능⊃머신러닝⊃딥러닝의 포함관계가 소개된다. 인공지능 기계가 배울 수 있는 모든 지식과 기술 머신러닝 기계를 학습시킴 ex) 어떤 방법론을 통해..
Pin을 어떤 용도로 사용할지 설정해주는 PCR(Pin Configure Register)의 설명은...못하겠엉 흑 pin이 GPIO로 설정되면, GPIO Registers에 의해 추가적인 속성이 지정됨 S32K1xx 모델에는 A,B,C,D,E 5개의 Port가 있고 각각의 시작주소들은 40h 씩 증가해서 GPIOA: 0x400F F000h GPIOB: 0x400F F040h GPIOC: 0x400F F080h GPIOD: 0x400F F0C0h GPIOE: 0x400F F100h 시작주소들은 이렇게 된다. GPIO 사용 목적에 따라서 offset을 더해준 주소에 목적에 맞는 값(0 or 1)을 써준다. 이런 목적들이 있음..!! LED를 키는 상황으로 예시를 들어보자 1. D17을 output pin으..