12월 정도부터 Ian GoodFellow와 Yoshua Bengio의 Deep Learning이라는 책을 가지고 스터디를 하고 있는데, 난이도가 어느 정도 있는 편이라 차근 차근 정리를 해 나가려고 한다. 본인도 챕터가 지나면 지날 수록 이해가 안가거나 어려운 부분이 있으니 만약 내용이 틀렸거나 수정해야 할 부분이 있다면 댓글로 달아주길 바란다. 또한, 모르는 부분에 있어서는 글로 남겨두고 여러 사람들과 이에 대해 토론할 수 있었으면 좋겠다는 생각이 든다..ㅎㅎ 선형 대수와 확률 통계는 머신러닝과 딥러닝을 이해하는 데 있어서 중요한 도구로 많이 쓰인다. 이러한 학문의 범위는 매우 넓지만 이 책에서는 딥러닝에 필요한 부분만을 추려서 소개한다. 1. Scalars, Vectors, Matrices and..

요즘 심층학습이란 책으로 스터디를 진행 중인데, 그 때마다 배운 지식을 정리하려고한다.. 그 중 첫번째로 선형대수에 대해 공부하였고, 이전에 배웠던 지식과 새로 배운 내용등을 천천히 정리해나갈 것이다. Linear Dependence는 선형대수를 한 번이라도 배운 사람이라면 무조건 들어보았을 단어이다. Linear Dependence를 보기 전에 먼저 Linear Combination이 무엇인지부터 살펴보자. 어떠한 matrix A에 대해서 $Ax=b$라는 방정식을 살펴보자. 만약 A가 역함수가 존재한다면 해 $x$는 무조건 하나만 존재하겠지만, 그렇지 않은 경우도 분명 존재한다. 해가 아예 없을 수도 있고, 또는 2개 이상이 존재할 수 있다. 이러한 관계 속에서 Linear Combination(선형 ..