30 Mon
Starting Git book & First TIL
Last updated
Was this helpful?
Starting Git book & First TIL
Last updated
Was this helpful?
호준 멘토님이 추천해서 시작했다. sun멘토님은 Notion을 추천했는데 깃북이 깃허브에 커밋이 되다보니 TIL을 할거면 잔디밭을 봐야된다라는 생각을 했다. 그래서 깃북을 선택. 잔디밭만 아니면 제일 이쁜 Velog를 쓰지 않았을까.
마크다운을 완벽히는 모르지만 어느 정도는 알아서 더 배울겸 사용할 수 있을 듯 하다. 아래 링크에서 이것저것 탐구 및 학습시작. 깔끔한 글을 쓰고 싶기에 이것저것 알고 싶다.
스페이스랑 파일 및 폴더 만드는데도 생성과 삭제를 반복하고 기본 규칙을 작성하는 데에도 한참 걸렸다. 처음이라 그렇겠지 싶은데 굉장히 어렵다. 내가 느낀 장단점을 이렇다.
장점
귀여운 이모지가 제공된다.
전반적으로 깔끔한 환경을 제공해준다.
링크 및 마크다운 기능이 좋다.
글의 헤더에 따라 오른쪽 바에 컨텐츠 항목이 추가된다.
깃허브와 연동
단점
새로운 문단을 생성할 때 마다 커서가 튄다. 깃북의 뉴비 괴롭히기인가? 글자도 한 글자씩 지워진다. 글자가 작성되는 데 글씨색이 투명한 오류도 있다. 힘드네.
마크다운 모든 문법이 늘 적용되는 것 같지 않다. 줄생이나 헤더 같은.
글 쓰는 입장에서 자유도가 적은 것 같다. 마치 안드로이드 쓰다가 아이폰 쓰는 느낌이랄까. 세세한 기능을 제공해줘서 좋은데 왜 이런 기능은 없을까 같은 생각이 든다. 예를 들면 줄 생성이나 글씨색 또는 글씨크기나 카테고리 내부의 또 다른 카테고리 기능 정도.
<- 이것도 싫다. 보통 ul이 나오면 상위 ul은 삭제되지 않나? 겹으로 나와서 좀 불편하다.
아무래도 장점보다는 단점이 더 많긴 한 것 같다. 험난한 시작.
읽은 지는 얼마 안됐다. 프로그래머스 인공지능 스쿨에 합격하고 난 뒤, 교육 이외에도 독학으로 공부좀 해야겠다 생각해서 산 책. 하루 1장이 목표다. 괜히 스쿨에서 뒤쳐질까봐 좀 더 노력한다. 이 의지가 오래 가기를!
신경망과 퍼셉트론의 차이는 활성화 함수이다. 퍼셉트론은 계단 함수를, 신경망은 시그모이드나 ReLU같은 부드러운 함수를 이용한다. 본격적인 차이는 4장에서...
신경망은 입력층, 은닉층, 출력층으로 구성되어 있으며 이 때 활성화 함수는 반드시 비선형 함수여야 된다. 선형 함수의 문제는 층을 아무리 깊이 해도 은닉층이 없는 네트워크의 기능을 한다는 것이다.
Numpy는 고차원 배열을 다루기에 최적화 되어 있으며 작은 데이터를 여러번 계산 하는 것보다 큰 데이터를 한번에 계산 하는 것이 더 빠르므로 배치 처리를 한다. 또 다른 이유는 데이터 전송 횟수를 줄여 버스에 대한 병목 현상 감소를 위함이다.
신경망의 데이터를 다룰 때 정규화를 하는 것이 학습 속도를 높인다. 데이터 전체의 분포를 고려해 정규화 뿐만 아니라 데이터의 확산 범위를 제한하거나 전체 데이터를 균일하게 분포시키는 백색화등의 전처리를 한다.
기계학습은 학습과 추론의 두 단계를 거치는데 추론 단계에서 출력층의 활성화 함수는 회귀일 경우 항등 함수를, 2클래스 분류에는 시그모이드 함수를, 다중 클래스 분류에는 소프트 맥스를 사용한다. 그러나 소프트 맥스를 사용해도 크기 순서가 변경되는 것은 아니므로 지수 함수의 계산을 줄이기 위해 보통 생략해서 사용한다.
이 강의도 수강한지 얼마 안됐다. 사실 신청은 예전부터 했는데 AI 스쿨 합격 이후 급하게 듣기 시작한 강의. ML을 시작할 때 꼭 들어보라고 해서 듣고있는데 강의도 좋고 영어 공부도 되고 테스트도 있어서 좋다. 이 강의가 2011년에 나왔다는 게 믿기지가 않는다. 강의 내에선 Windows XP를 쓰고있으니.
회귀와 분류의 차이를 확실히(는 아니고 90% 정도) 알게되었다. 경사하강법에 대해서도. 그 외의 여러 유도식과 행렬의 연산까지도.
