패스트캠퍼스 환급챌린지 7일차 : 딥러닝·인공지능 Signature 초격차 패키지 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

강의 수강 시작

강의 수강 완료

 

 

오늘은 확률 분포의 추정과 최대 가능도 추정에 대해 학습하였습니다. 확률 분포에는 대표적으로 베르누이 분포, 정규 분포, 그리고 카테고리 분포의 세 가지가 있습니다. 이들 분포는 데이터의 형태에 따라 적절하게 선택하여 사용할 수 있습니다.

베르누이 분포는 데이터가 0 또는 1의 형태를 가지는 경우에 사용됩니다. 정규 분포는 데이터가 크기 제한 없이 연속적인 실수 값으로 나타나는 경우에 적합한 분포입니다.마지막으로, 카테고리 분포는 데이터가 여러 개의 범주로 나뉘는 경우에 적용됩니다. 

확률 분포를 추정하는 방법에는 대표적으로 모멘트 방법과 최대 가능도 추정 방법이 있습니다. 모멘트 방법은 데이터의 표본 모멘트를 이용하여 확률 분포의 모수를 추정하는 방식입니다. 반면, 최대 가능도 추정 방법은 주어진 데이터가 관측될 확률을 최대화하는 모수를 찾는 방식으로, 실질적인 데이터 분석에서 자주 활용됩니다.

오늘 학습한 내용 중 모멘트 방법을 활용하여 정규 분포를 추정하는 코드를 코랩을 이용해서 따라서 실행해 보았습니다. 이를 통해 정규 분포의 평균과 분산을 추정하는 과정이 어떻게 이루어지는지 직접 경험할 수 있었습니다. 또한, 로그우드에 대한 개념도 학습하였습니다. 로그우드는 확률 값들의 곱셈 형태를 로그를 취하여 덧셈 형태로 변환하는 과정입니다. 이는 계산이 복잡한 경우 이를 단순화하여 보다 쉽게 다룰 수 있도록 도와줍니다. 현재로서는 이 개념이 직관적으로 완전히 이해되지는 않지만, 나중에 보다 복잡한모델을 다룰 때 다시 한번 살펴보며 개념을 익힐 필요가 있을 것 같습니다.

이번 학습을 통해 확률 분포를 추정하는 다양한 방법을 이해할 수 있었고, 특히 모멘트 방법과 최대 가능도 추정의 차이를 비교하며 각 방법이 적용되는 상황을 고려해볼 수 있었습니다. 앞으로 다양한 예제를 통해 개념을 더욱 확실히 익히고, 실전 데이터 분석에서 활용할 수 있도록 연습을 지속해야겠습니다. 수학 개념이 이제 강의가 거의 끝나가는데 내일은 복습도 확실히 하고 강의도 들어야될 것 같습니다.

 

https://bit.ly/4hTSJNB