20250608 복습 중
이번 주에 학습한 머신 러닝의 프로세스는 변하지 않으며, 추가적인 고려 사항이나 새로운 기법이 추가될 뿐이므로, 뼈대에 살을 붙여가는 과정이라고 생각해라.
다시 말해, 당연하게도 시중의 모든 기술을 숙지하는 건 불가능하고, 상황에 따라 필요한 기술을 찾아보고 사용할 줄 아는 능력을 갖추면 된다.
덧붙여, 현재 저명한 코딩 테스트에서도 LLM은 상위권이며, 이를 극복의 대상으로 보기보다는 도구로써 잘 활용하는 게 경쟁력이다.
지도 학습이란 예측 범위에 적합한 데이터와 라벨을 함께 제공하여, 기계가 라벨(답)을 가지고 학습 가능하게 한다.
예측 범위의 데이터란 예를 들어, 수학 시험을 보는데, 영어 공부를 했다면, 시험에 대비한 학습을 한 것이 아니며, 시험 성적도 낮을 것이다.
어제 회귀 모델의 내부 작동 원리에 대해 학습하였으며, 오차 함수(시그마 함수)와 최적의 w 값을 찾는 2차 함수로의 변환과 최소의 c 값과 그 때의 w 값을 찾는 원리에 대해 배웠다.
회귀 모델의 평가에서 R2 값은 0.5 이상이면, 의미가 있다고 평가한다.