viamemine

Part 1. Matrix Decomposition (2) Eigenvalues and  Eigenvectors matrix A가 주어졌을 때, 아래의 식을 만족한다면 λ를 eigenvalue,  x를 eigenvector라고 합니다. Eigenvalue(λ)를 구하고 싶을 때, det(A-λIn) = 0을 풀면 값을 구할 수 있습니다.    eigenvalue는 determinant를 통해 구할 수 있습니다.* span: ( 2 1 ) vector에 어떠한 constant c를 곱해도 eigenvector가 된다는 것 !* eigenvectors들은 unique하지 않다 !   Determinant는 eigenvalue들의 곱셈으로 표현됩니다. Trace는 eigenvalue들의 덧셈으로 표현됩니다. ..

Part 1. Matrix Decomposition (1) Determinant and Trace * extra행렬식은 영어로 determinant라고 합니다. 그 의미를 파악하기 위해 먼저, 간단하게 2 * 2 행렬을 살펴봅시다.첫 행렬로 (1,0), (0,1) 두 벡터로 구성된 행렬을 봅시다. 이 두 벡터를 좌표공간에 표현하면 아래 그림의 좌측과 같은 행태로 그릴 수 있습니다. 그리고 두 벡터를 이용해 만들 수 있는 우측 도형의 면적이 해당 행렬의 행렬식의 절대값 입니다. 이렇게, 행렬식의 절대값은 이 도형의 면적을 의미합니다.  Determinant는 오직 정방행렬에 대해서만 정의된다. 정방행렬 A의 determinant란 A를 실수로 mapping하는 함수이다. 정방행렬 A가 invertible인..

데이터 분석과 AI 학습에서 유의할 점1. 데이터의 확보, 전처리, 분석, 해석의 전 과정이 중요* 고품질의 데이터가 입력되었을 때 학습 결과도 유의미하며, 데이터가 가지는 오차 범위와 특이점, 대표성에 대한 충분한 이해를 가지고 접근해야 함 2. 알고리즘의 설명력, 편향, 신뢰의 문제에 주의 * 블랙박스 알고리즘이 실제 사회에서 사용되기 위해서는 많은 경우 설명력 보강이 필요하며,노이즈와 데이터 가변성에도 대처 가능한 알고리즘을 개발하도록 노력* AI가 다양한 사회 서비스에서 인간 결정을 돕거나 대체함에 따라윤리적 의사결정이 확보되도록 점검