2024/12/163 [2024.12] 3주차 Today I Learned 12/16 월1. 기계학습 시험 공부- 전체 범위2. 메타러닝 공부- AutoAugment- Hyperparameter Optimization 12/17 화1. 기계학습 기말고사2. 컴퓨터비전 공부- CNN Methods 12/18 수1. 컴퓨터비전 공부- 전체 범위2. 메타러닝 공부- Continual Learning- In-Context Learning 12/19 목1. 컴퓨터비전 기말고사- 무난하게 본 듯2. 메타러닝 공부- 전체 범위 12/20 금1. 메타러닝 기말고사- 외운 부분에서 대부분 나와 잘 작성한 것 같다.2. 밀린 회사 업무 및 CES 준비- 종강했으니 기분좋게 연말 작업 진행!! 12/21 토1. 휴식 및 병원 12/22 일1. 2024. 12. 16. [메타러닝] 4. Bayesian Meta-Learning 이번에 정리할 내용은 Bayesian Meta-Learning이다. 많이 다뤄본 Bayesian과 관련된 내용이며 추후 내가 이 글을 다시 보았을 때 어떤 내용이 있었는지 간단하게 짚고 넘어갈 수 있도록 핵심 위주로 작성해보도록 하겠다.1. Bayesian Learning일반적으로 우리가 Bayes' Rule을 왜 사용하는지를 생각해보면 Posterior를 바로 알기 어려워 Prior와 Likelihood만으로 이를 계산하려 하거나, 사용하려는 데이터가 작기 때문에 불확실성이 커서 Stochastic Model을 사용하는 것이 큰 이유이다. 모델의 파라미터를 확률분포로 계산하여 데이터에서 얻은 정보와 Prior를 결합하며 학습하는 과정을 거친다. Bayesian Modeling 과정에서는 Latent .. 2024. 12. 16. [메타러닝] 3. Meta Reinforcement Learning 이번에 알아볼 내용은 Meta Reinforcement Learning에 관한 내용이다. 강화학습을 이전에 공부해본 적이 없어서 기본적인 강화학습에 대한 내용을 가볍게 정리하고 넘어가도록 하겠다.1. Reinforcement Learning강화학습은 Agent가 Environment와 상호 작용을 수행하며 최적의 Policy를 학습하는 방법이다. 강화학습의 목표는 Agent가 Reward를 최대화하도록 학습시키는 것이다.Agent: 학습을 수행하는 주체, Environment와 상호작용하며 행동을 수행함Environment: Agent가 행동을 수행하고 Reward를 받는 곳State: Agent가 현재 위치한 Environment의 상태를 나타내는 정보Action: Agent가 State에서 선택할 .. 2024. 12. 16. 이전 1 다음
