• 목록

[일시] 2024.02.23

[세미나 주제]  Linear Algebra and Optimization for Machine Learning: 9. Linear Algebra of Similarity

[요약]
본 발표를 통해 Kernel method를 이해하는데 필요한 선형 대수 프레임워크에 대해 설명하고자 하였다.
기계학습에 대한 적용에 있어서 복잡한 데이터들의 특성을 고려한 다차원 데이터에 대한 임베딩을 생성하는 것이 유용함을 설명하였고, 데이터에 대한 대안적인 표현으로 유사도 행렬에서 추출한 임베딩이 활용될 수 있음을 시사하였다. 또 유사도 행렬로 부터 임베딩을 추출하는 방법인 Nystrom sampling과 stachastic gradient descent를 설명하였고, 이를 복구하는 방법에 대해서도 설명하였다. 유사도 행렬에서 적용될 수 있는 다양한 선형 대수 연산에 대해 설명하였다. 또 유사도 행렬에 대하여 ML 알고리즘을 사용하는 방법으로 크게 명시적 특성 엔지니어링 방식과 커널 트릭 방식을 설명하였다.

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/HENpvHOoP6jYvW8DPwu2UorDq2neFRYG1_GrxMnaeXS-67JrU1CLznOQEEYOLRCg.RiOvi4EAW7LiZQ6D