ML/AI 2nd Meet Up

• 일자 : 2019년 11월 6일 수요일
• attendee : 이지연, 이세호, 이호권, 윤준기, 김예본, 이준용, 이민구

이번 회차 Keyword

1. 머신러닝 이론

   • 회귀와 분류의 공통점과 차이점
   • 선형 회귀란?
   • 손실에 대하여 (L2손실, L1손실 등)
   • L2 와 L1의 정규화. 그리고 이 둘의 비교
   • 손실을 줄이는 방법 - 경사하강법과 학습률에 대하여
   • 과적합이란?
   • 데이터셋을 분할하는 방법 (학습, 검증, 테스트)
   • 특성 벡터, 특성 추출이란
   • OOV(Out Of Vocabulary)
   • 원 핫 인코딩, 멀티 핫 인코딩
   • 선형 문제와 비선형 문제
   • 시그모이드 함수, ReLU 함수의 특징과 적용
   • 로지스틱 회귀란? 로지스틱 회귀 모델에서의 정규화, 손실, 임계값

2. NN

   • 신경망이란?
   • NN의 구조 (어떻게 구성되는가?)
   • 전향 전파법 (forward propagation)
   • 시그모이드 함수를 어디에 적용하는가?
   • 역전파법 (Backpropagation)
   • 짧은 코드를 체크하고 코드 분석

Next Meet Up

• 일자 : 2019년 11월 13일 수요일
• 발표자 : 윤준기
• Keyword : Extended ML