관리 메뉴

Data Analysis for Investment & Control

머신러닝 알고리즘 가이드 본문

MachineLearning

머신러닝 알고리즘 가이드

synaptic 2020. 11. 8. 13:00
반응형

 

 

업데이트 : 2020년 11월 08일

 

내가 알고있는 머신러닝 알고리즘 지식을 확장시키고 필요에 따라 리마인드 하기 위해 이 페이지를 작성한다.

당분간 지속적으로 업데이트가 될 것 같다.

 

이미 기존에 대략적인 분류를 해 놓긴 했는데,

https://nerve.tistory.com/227

 

머신러닝 카테고리

1. Classifications - SVM - Bagged Decision Trees - K-nearest neighbor - Naïve Bayes - Discriminant Models - CNN - RNN & LSTM 2. Regressions - Linear Regression - Nonlinear Regression - Stepwise Re..

synapticlab.co.kr

티스토리 구에디터를 계속 써야하는 이슈 때문에 새롭게 정리하고자 한다.

 

 

 

우선 구글링을 해서 잘 작성되었다고 생각되는 글들을 모아보았다.

 

머신러닝을 처음 접하는 사람들에게는 생소하게 느껴질 수도 있지만 계속해서 보다보면 익숙해 질 것이고, 이미 경험을 해본 사람이라면 리마인드 하기에도 좋은 자료라고 생각된다.

 

개인적으로 대학원 때는 신경망 위주로 공부/활용을 했었고, 회사에와서도 몇몇 간단한 머신러닝 알고리즘을 사용해본 적 밖에 없기 때문에 실전에서 써보지 않았던 알고리즘들이 더 많다. 

 

따라서 Data Scientist나 머신러닝 엔지니어로써 전반적으로 알고리즘맵을 꿰고 있어야 하기 때문에 주기적으로 리마인드 혹은 최신 기술에 대해 모니터링 할 필요가 있다.

 

 

참고할만한 글

 

 

최적의 머신러닝 알고리즘 가이드

SAS에서 최적의 머신러닝 알고리즘 선택을 위한 치트시트와 가이드를 설명하고, 머신러닝 선택 시 유의사항과 특정 알고리즘 사용시점을 봅니다.

www.sas.com

 

 

 

1.3 머신러닝 시스템의 종류

1.2 왜 머신러닝을 사용하는가? | 목차 | 1.4 머신러닝의 주요 도전 과제   머신러닝 시스템의 종류는 굉장히 많으므로 다음을 기준으로 넓은 범주에서 분류하면 도움이 됩니다. 사람의 감독 하에

tensorflow.blog

 

 

텐서플로우 튜토리얼

 

머신러닝 라이브러리 중에서 가장 유명한 것들 중 하나가 구글 텐서플로우 일 것이다. 

Python 개발환경을 설정하고 아래 텐서플로우 튜토리얼 블로그를 통해 머신러닝 알고리즘 프로그래밍을 경험할 수 있다.

 

 

TensorFlow Core

ML 초보자 및 전문가를 위해 TensorFlow를 사용하는 방법을 알아보는 완벽한 엔드 투 엔드 예시입니다. Google Colab에서 가이드를 사용해 보세요. 설정이 필요하지 않습니다.

www.tensorflow.org

 

 

 

 

 

반응형

'MachineLearning' 카테고리의 다른 글

머신러닝 알고리즘 가이드  (0) 2020.11.08
머신러닝 카테고리  (0) 2018.11.26
Softmax 함수  (0) 2018.09.15
Cross Entropy  (0) 2018.09.14
Maximum Likelihood Estimation의 이해  (0) 2018.08.23
유전 알고리즘(Genetic Algorithm) 응용 - 주가 예측 (논문리뷰)  (0) 2015.04.29
0 Comments
댓글쓰기 폼