working_helen

Lecture : Machine Learning Date : week 2, 2024/03/07 Topic : Naive Bayes Model 1. Bayes' Rule 2. Naive Bayes Model 1) Model's Assumption 2) Model's Prediction 3) Smoothing 4) 장단점 3. Naive Bayes Model 예제 1. Bayes' Rule (베이즈 정리) : 주어진 데이터로부터 Posterior Probability를 계산하기 위한 식 X : Observation, 가지고 있는 instance 데이터 Θ : Hypothesis, 데이터로 예측하려는 값 P(X) : Marginal probability, likelihood of observing X in d..

Lecture : Machine Learning Date : week 2-1, 2024/03/04 Topic : Probability 1. types of Attribute 2. Probability Model 3. Entropy 1. types of Attribute Categorical (Normal) variable : discrete + no ordering, boolean type도 포함 Ordinal variable : discrete value + natural ordering, mathematical operations 적용 X Continous (Numerical) variable : real-valued, mathematical operations 적용 O - Oridinal 변수는 수..

Lecture : Machine Learning Date : week 1, 2024/02/29 Topic : Basic of ML 1. ML terminology 2. ML learning strategy 3. ML 문제 예제 1. ML terminology instances / exemplars / obserations : data case들 attributes / features : instance의 특징, x값 labels / concepts : learn의 대상, y값 (위키백과) 머신러닝은 데이터로부터 학습하고 보이지 않는 데이터를 일반화하여 명시적인 지시 없이 작업을 수행할 수 있는 통계 알고리즘의 개발 및 연구와 관련된 인공지능 연구 분야 - learning : concept = f(attr..

Lecture : Media Computation Date : week 4, 2024/03/18 Topic : Java Programming Essentials 1. JS 코드의 형태 2. JS에서 HTML element로 접근 3. JS 실습 예제 1. JS 코드의 형태 Simple Calculator input two number Add Multiply Power 방법 2 - 각 연산 함수에서 공통된 작업을 수행하는 calculator() 함수를 지정 - 어떤 연산을 수행할 것인지 mode 변수로 전달, mode 변수 값에 따라 다른 연산 수행 Simple Calculator input two number Add Multiply Power Reference https://8156217.tistory...