Machine Learning Notebook

기계학습에 대해서 이론부터 실제 코드구현까지 정리한 repository 입니다. 실제 분석시 많이 사용되는 부분들을 이론및 예제까지 정리를 합니다. 또한 기계학습 또는 딥러닝 연구원 또는 엔지니어로 면접시 도움이 될 만한 내용들을 정리하였습니다.

현재 많은 contents들을 지속적으로 만들고 있습니다.

Contents

1. 000 ~ 099 : Statistics, Linear Algebra (이론)
2. 100 ~ 199 : Linear Regression & Basic Machine Learning
3. 200 ~ 299 : Useful Analysis & Machine Learning
4. 300 ~ 399 : Machine Learning Algorithms
5. 400 ~ 499 : ..
6. 500 ~ 599 : Deep Learning Basics
7. 600 ~ 699 : Convolution Neural Networks
8. 700 ~ 799 : Recurrent Neural Network Algorithms

면접 질문과 답변 정리

해당 repository가 면접을 위해서 만들어진 노트북은 아니지만, 면접을 위해 필요한 사항들 또한 정리를 했습니다.

통계 문제와 답변

1. Performance Test 그리고 ROC, AUC 에 대해서 설명하고 수학적 공식을 쓰세요

기계학습 문제와 답변

1. Eigenvalue 그리고 eigenvector 이란 무엇인가? 왜 중요한가?
   • Eigenvalue & Eigenvector 자세한 내용 참고
   • 선형변화 A를 했을때, 크기는 변하지만 방향은 변하지 않는 것이 eigenvector이고, 얼마만큼 크기가 변했는지를 나타내는 것은 eigenvalue. 이때 eigenvector는 null vector (영벡터)가 아니다.
2. PCA 알고리즘의 구현방법은?
   • 구현방법
     1. 데이터에 대해서 Standardization
     2. Covariance Matrix 계산
     3. Eigenvalue and eigenvector of the covariance matrix 계산
     4. Eigenvalue의 값에 따라서 eigenvalue 그리고 eigenvector를 정렬
     5. Dimensional reduction
   • 구현방법 참고

딥러닝