( 3회차 복습 )

바로 Transformers로 가지말고 밑에부터 올라가자!

Part 01.

Chapter 01. 딥러닝을 위한 통계

• CH01-01. 확률개요
• CH01-02. 확률 변수(Random Variable)와 확률 분포(Probability Distribution)
• CH01-03. 이산확률분포(Discrete Probability Distribution)
• CH01-04. 연속확률분포(Continuous Probability Distribution)
• CH01-05. 표준정규분포(Standard Normal Distribution)
• CH01-06. 독립 변수(Independent Variable)과 종속 변수(Dependent Variable)
• CH01-07. 결합 확률(Joint Probability)과 주변 확률(Marginal Probability)
• CH01-08. 조건부 확률(Condition Probability)
• CH01-09. 베이즈 정리(Bayes_ theorm)
• CH01-10. 평균(Mean)과 기댓값(Expectation)
• CH01-11. 분산(Varaiance)과 표준편차(Standard Deviation)
• CH01-12. 공분산(Covariance)과 상관계수(Correlation Coefficient)
• CH01-13. 확률 분포의 추정
• CH01-14. 최대 가능도 추정(Maximum Likelihood Estimation)
• CH01-15. 편향(Bias)과 오차(Error)
• CH01-16. 최소 제곱법(Method of Least Squares)과 추세선
• CH01-17. 데이터 추출(Data Sampling)

Part 07. NLP

• CH 01 : Intro

• CH 02-1 : Tokenazation

• CH 02-2 : Integer Encoding

• CH 03-1 : Text Vectorization

• CH 03-2 : Count based Vectorization

• CH 03-3 : Count based Vectorization 실습

• CH 04-01,02 : Linear Regression + 실습

• CH 04-03,04 : Logistic Regresiion + 실습

• CH 04-05,06 : Softmax Regression, MLP, ANN + 실습

• CH 04-07 : 워드임베딩이란?

• CH 04-08 : Word2Vec

• CH 04-09 : FastText

• CH 04-10 : GloVe

• CH 04-11 : Word2Vec 실습