Category

[머신러닝] Xgboost

2 minute read

Xgboost의 원리, 하이퍼파라미터, 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] LightGBM

2 minute read

LightGBM 원리, 하이퍼파라미터, 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] GBM

1 minute read

GBM 원리, 하이퍼파라미터, 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] Neural Network

1 minute read

Neural Network

[머신러닝] PCA

2 minute read

PCA

[머신러닝] 랜덤 포레스트

1 minute read

랜덤포레스트의 원리, 하이퍼파라미터(n_estimators/max_features/max_depth/min_samples_leaf), 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] 결정 트리

3 minute read

결정트리의 원리, 종류(ID3, C4.5, C5.0,CART, CHAID), 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] SVM

4 minute read

SVM의 원리, 종류(하드마진/소프트마진), 커널 트릭, 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] 회귀분석

3 minute read

회귀분석의 원리, 종류(일반 선형, 릿지, 라쏘, 엘라스틱넷), 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] K-means

1 minute read

K-means의 원리와 해당 알고리즘의 장단점을 다룹니다.

[머신러닝] 배깅과 부스팅

2 minute read

배깅과 부스팅의 원리와 둘의 공통점과 차이점을 다루며, 적용에 대해 다룹니다.

[머신러닝] 전통적인모델링방법

3 minute read

모델 개발 방법 신용쪽에서 주로 사용했던 모델링 기법 0) 분석데이터 설계 타겟이 적은 경우, 기준월을 1개월씩 이동하며 데이터를 적재하는 window sliding 방식 적용 1) 타겟 Y와 관련있을 후보 변수 수집 2) 간단 10/100분위 변수로 구간...

[머신러닝]알고리즘 장단점

7 minute read

[머신러닝]알고리즘 장단점

[Hugging Face] 2장 소개 및 Transformers 라이브러리 특징

1 minute read

[Hugging Face][C-2] 2장 소개 및 Transformers 라이브러리 특징

[Hugging Face][C-2] Putting it all together

3 minute read

[Hugging Face][C-2] Putting it all together

[Hugging Face][C-2] Behind the pipeline

7 minute read

What happens inside the Pipeline Fuction? with Sylvain

[Hugging Face][C-2] Tokenizers

12 minute read

Overview

[Hugging Face][C-2] Handling multiple sequences

6 minute read

Overview

[Hugging Face][C-3] FINE-TUNING A PRETRAINED MODEL - Processing the data

15 minute read

0. Introduction

[Hugging Face][C-2] Models

4 minute read

[Hugging Face][C-2] Models

[Hugging Face][C-1] Encoders-Decoders(Sequence-to-sequence models)

3 minute read

Encoders-Decoders

[Hugging Face][C-1] Encoder models

2 minute read

1. Encoder Models

[Hugging Face][C-1] Decoder models

2 minute read

Decoder models

[Hugging Face][C-1] Bias and limitations & C-1 Summary

1 minute read

1. Bias and limitations

[Hugging Face] Transformers 모델 아키텍처

10 minute read

**How do Transformers work?**

[Hugging Face] NLP Task와 Transformers 라이브러리 pipeline 활용 사례

9 minute read

[Hugging Face][C-1] NLP Task와 Transformers 라이브러리 pipeline 활용 사례

[추천시스템] BERT4Rec: Sequential Recommendation with Bidirectional 설명

6 minute read

BERT4Rec: Sequential Recommendation with Bidirectional

[추천시스템] Session-based recommendation model 종류(GRU4Rec~SGNN)

8 minute read

GRU4Rec(2015) → NARM(2017) → STAMP(2018) & SRGNN(2018)→ NISER(2019) → SGNN(2020) → GCE-GNN(2021)

[추천시스템] (GRU4REC) SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS

9 minute read

0. GRU4REC SUMMARY

[추천시스템] NAVER D2 추천시스템 강의

5 minute read

해당 글은 youtube에 공개된 naver d2(19.08) 발표된 **Recent Advances in Deep Recommender Systems**를 정리한 자료입니다.

[추천시스템] FiGNN (개념/수식/구현 코드)

9 minute read

[Fi-GNN] 코드 이해 및 분석

[추천시스템] AutoInt (개념/수식/구현 코드)

5 minute read

AutoInt

[추천시스템] DeepFM(개념/수식/구현 코드/튜토리얼)

9 minute read

2002.DeepFM(개념/수식/구현 코드/튜토리얼)

[추천시스템] CTR을 위한 추천모델(발전단계/LR/Poly2/MF/FM/FFM/W&D/DeepFM)

4 minute read

CTR 모델 context aware에서 대표적인 모델연구가 많이 되고 있고, CTR 높이려고 하는 회사에서 많이 관심을 가지고 있음 대표적인 모델 FM - W&D - NFM - DeepFM - DCN - DCN V2

[추천시스템] 추천시스템의 이해

7 minute read

[강화학습] 강화학습 개념

4 minute read

concept 1. 강화학습의 개념

[강화학습] value function approximation

10 minute read

value function approximation

[강화학습] Policy Gradients

6 minute read

Policy Gradients

[강화학습] Model Free Prediction

5 minute read

Model Free Prediction

[강화학습] Model-free control

5 minute read

Model-free control

[강화학습] Model-based Planning

2 minute read

Model-based Planning

[강화학습] Model Free Prediction

5 minute read

Model Free Prediction

[강화학습] Markov Decision Process

3 minute read

Markov Decision Process

[딥러닝] RNN/LSTM/GRU 비교(개념/수식)

9 minute read

RNN/LSTM/GRU

[딥러닝] Transformer(개념/수식/구현 코드/튜토리얼)

8 minute read

Transformer는 Attention이라는 개념을 전적으로 활용하고 있음

[딥러닝] RNN :: LSTM(개념/수식/구현 코드/튜토리얼)

3 minute read

1.LSTM

[Continual Learning] EWC

14 minute read

1. Catastrophic forgetting

[Continual Learning] Continual Learning

less than 1 minute read

3000.Continual Learning

[GIT] 사용방법

2 minute read

깃 사용 방법에 대해 알아보겠습니다.