기계학습에 대해서 이론부터 실제 코드구현까지 정리한 repository 입니다. 실제 분석시 많이 사용되는 부분들을 이론및 예제까지 정리를 합니다. 또한 기계학습 또는 딥러닝 연구원 또는 엔지니어로 면접시 도움이 될 만한 내용들을 정리하였습니다.
현재 많은 contents들을 지속적으로 만들고 있습니다.
- 000 ~ 099 : Statistics, Linear Algebra (이론)
- 100 ~ 199 : Linear Regression & Basic Machine Learning
- 200 ~ 299 : Useful Analysis & Machine Learning
- 300 ~ 399 : Machine Learning Algorithms
- 400 ~ 499 : ..
- 500 ~ 599 : Deep Learning Basics
- 600 ~ 699 : Convolution Neural Networks
- 700 ~ 799 : Recurrent Neural Network Algorithms
해당 repository가 면접을 위해서 만들어진 노트북은 아니지만, 면접을 위해 필요한 사항들 또한 정리를 했습니다.
- Performance Test 그리고 ROC, AUC 에 대해서 설명하고 수학적 공식을 쓰세요
- Eigenvalue 그리고 eigenvector 이란 무엇인가? 왜 중요한가?
- Eigenvalue & Eigenvector 자세한 내용 참고
- 선형변화 A를 했을때, 크기는 변하지만 방향은 변하지 않는 것이 eigenvector이고, 얼마만큼 크기가 변했는지를 나타내는 것은 eigenvalue. 이때 eigenvector는 null vector (영벡터)가 아니다.
- PCA 알고리즘의 구현방법은?
- 구현방법
- 데이터에 대해서 Standardization
- Covariance Matrix 계산
- Eigenvalue and eigenvector of the covariance matrix 계산
- Eigenvalue의 값에 따라서 eigenvalue 그리고 eigenvector를 정렬
- Dimensional reduction
- 구현방법 참고
- 구현방법