Wait a moment...
안녕하세요, Jay 입니다. 인공지능과 웹 기술의 교차점에서 새로운 가치를 만듭니다.코드 속에 담긴 논리와 일상 속에 숨은 영감을 기록합니다.
Expectation(기댓값)의 의미와 계산 방법을 주사위, 동전, 균일분포 예제로 정리한다. PMF·PDF를 이용한 기댓값, 표본평균과의 차이, 선형성과 머신러닝의 Expected Loss까지 알아본다.
PMF, PDF, CDF의 정의와 차이를 주사위와 연속 확률변수 예제로 정리한다. PMF의 확률, PDF의 확률밀도와 면적, CDF의 누적확률이 어떻게 연결되는지 알아본다.
DeepMind의 A3C 논문 「Asynchronous Methods for Deep Reinforcement Learning」을 바탕으로 asynchronous learning, Actor-Critic, Advantage, n-step return, entropy regularization을 DDQN과 비교하며 정리한다.
확률과 통계를 공부하다 보면 가장 먼저 등장하는 핵심 개념 중 하나가 Random Variable, 확률변수이다. 이름만 보면 ‘무작위로 변하는 변수’처럼 느껴지지만, 수학적으로 확률변수는 단순한 숫자가 아니라 확률 실험의 결과를 숫자로 대응시키는 함수(Function)이다. Expectation, Variance, Probability Distribution 같은 이후의 개념들은 모두 확률변수를 대상으로 정의된다. 따라서 확률변수가 정확히 무엇인지 이해하는 것이 확률·통계 공부의 출발점이라고 볼 수 있다. 확률 ...