[딥러닝] 2편. 선형회귀, 경사하강법 (gradient descent)

경사하강법 (Gradient Descent)의 기본 개념을 쉽게 알려드립니다

머신러닝의 기초 - 선형 회귀 한 번에 제대로 이해하기 (30분만 투자해봐요!)

[핵심 머신러닝] 로지스틱회귀모델 1 (로지스틱함수, 승산)

신경망이란? | 딥 러닝 개론 1

[2주차 수업 첫번째: 28분41초] 좌표변환, 다른 좌표계에서의 벡터변환

ㄹㅇ쉬운 딥러닝 5강 : 신나는 경사하강법

[인공지능 30강] 옵티마이저 (최적화기법, RMSprop, Adam)

[최적화] 3-1강. 경사하강법 (Gradient Descent) 미분만 알면 돼!

[인공지능 수학 14강] 미분과 경사하강법

[핵심 머신러닝] 선형회귀모델 2 (파라미터 추정, 최소제곱법)

[Deep Learning 101] 확률적 경사하강법을 소개합니다

13 비 정상상태의 흐름 1

최소 제곱법-수포자도 이해하는 머신러닝 수학

경사하강법 소개

[핵심 머신러닝] 정규화모델 1(Regularization 개념, Ridge Regression)

[머신러닝] linear regression (선형회귀) 이해하기

[머신러닝 강의] 로지스틱 회귀분석 20분 완성ㅣ카이스트 AI박사

[Easy! 딥러닝] 2-4강. 경사 하강법 (Gradient Descent) | step by step 으로 차근차근 알아보기

[Neural Network 8] 경사하강법

선형과 비선형의 차이 (머신러닝, 딥러닝)