Motivation
머신러닝을 공부하면서 이전에 배웠던 통계의 기본 개념들을 정리하고자 합니다. 통계학(넓게는 수학)에서의 개념은 함수나 수식이 절반 이상을 차지할 정도로 비중이 큰데요. 이것들은 단지 계산과 표현을 간단하게 위해 사용하는 표현의 수단일뿐이지, 이를 사람의 언어로 알기 쉽게 표현하는 것은 생각보다 쉽지 않습니다. 어느 분야에서든 마찬가지겠지만, 배운 것을 말로 설명할 수 있는 능력을 갖추는 것이 머신러닝, 데이터 사이언스를 업으로 삼고자 하는 통계학도들에게는 매우 중요한 능력이자 경쟁력이라고 생각합니다.
그래서, 기본기부터 제대로 익히고자 합니다.
머신러닝에 쓰이는 관련 분야의 이론들을 포스팅하고 의견을 나누고 싶네요 :)