전체 글 (2) 썸네일형 리스트형 10/25 목요일에 시험 끝나고 2일이 지났다. 시험은 생각보자 잘 봤다. (물론 내가 원하는 점수는 아니고 공부한 양 대비 잘 나왔다.)9월에 내 몸이 어느정도까지 버텨줄지 몰라서 조금만 힘들어도 바로 연구실에서 퇴근했다. 여름방학 때 너무 힘들었기 때문에 2학기도 많이 힘들거라 생각했다. 하지만 오히려 시험 공부를 하며 몸 상태가 더 좋아지기 시작했다. 공부를 하며 조금만 힘들면, 어깨 돌리기와 허리 운동을 조금이지만 바로 했다. 공부에 집중될 때까지 가벼운 마음으로 운동을 반복한 것이 몸 상태가 좋아질 수 있었던 큰 이유였던 것 같다. 이전에는 소금 양이 내 몸 컨디션에 주요한 영향이라고 은연중에 생각했던 것 같다. (실제로 40%의 경우 짭짤한 것이 들어오면 몸에 힘이 들어가는 느낌이 들었다.) 하지만 시.. [Machine Learning] Gradient와 Steepest Direction의 원리 (편미분 설명 추가) 선형 회귀(Linear Regression)의 최적화(Optimizer) 알고리즘 중 처음 배우는 것이 경사 하강법(Gradient Descent)이다. 경사 하강법 (Gradient Descent)의 핵심 개념은 기울기(Gradient)의 방향이 함수의 값이 가장 크게 증가하는 방향(Steepest Direction)을 나타내며, 이 기울기(Gradient)의 반대 방향으로 이동하면 손실함수(Loss Function)를 효과적으로 최소화할 수 있다는 점이다.기울기(Gradient)의 개념을 정확히 이해하기 위해 먼저 편미분(Partial Derivative)의 개념을 살펴보고, 이를 바탕으로 기울기(Gradient)를 정의하겠다. 마지막으로 Gradient가 항상 함수의 값이 가장 크게 증가하는 방향(.. 이전 1 다음
