
머신러닝은 objective function ( loss function )의 값을 minimize한다는 면에서 최적화의 일종으로 볼 수 있다. 하지만 이전의 최적화문제와 차이점이 이론적으로도, 실질적으로도 분명히 있고, 그렇기 때문에 machine learning이라는 분야를 별도로 취급한다. 첫째. 이론적으로 최적화 문제는 수학(mathematics)의 영역이고 머신러닝은 엔지니어링(engineering)의 영역이다. 최적화 문제의 Solution은 수학적으로 도출/설명이 가능하지만, 머신러닝의 Solution은 수학적으로 설명 불가능하며 ambiguous한 면이 있다. 머신러닝의 Solution은 아이디얼한 정답을 근사할 뿐이다. 출처: Quora 둘째. 실질적으로 최적화 문제는 가지고 있는 데이터..
Research (연구 관련)
2019. 11. 15. 18:12
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- camera coordinate
- pyrender
- focal length
- Generative model
- Transformation
- 인터뷰
- Virtual Camera
- part segmentation
- spin
- 에디톨로지
- 2d pose
- 헬스
- pytorch
- Machine Learning
- 머신러닝
- Interview
- 컴퓨터비전
- deep learning
- demo
- 피트니스
- Docker
- 문경식
- world coordinate
- nerf
- nohup
- densepose
- 컴퓨터비젼
- Pose2Mesh
- VAE
- 비전
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
글 보관함