현재 적지 않은 수의 사람들, 특히 학생이라면 더더욱 머신러닝을 커리어의 선택지로 고려하고 있을 것입니다. 하지만 이에 대한 한국어 자료의 부재와 개념적인 설명만 기술된 경우가 대다수이기에 머신러닝이 어떤 느낌인지 파악하기 힘들 수 있습니다. 이에 따라 머신러닝이 무엇인가에 대한 개념적인 설명들과 더불어 조금이나마 PS와 접목을 한 예제들로 머신러닝의 대략적인 느낌과 공부방법에 대한 가이드를 전달하는 것에 초점을 맞추어 진행합니다. 1. 머신러닝 공부에 선행되어야하는 지식들(통계, 수학) 2. 머신러닝의 분류(뉴럴 네트워크, 딥러닝 != 머신러닝) 3. 뉴럴 네트워크의 간단한 컨셉과 그 이전의 대표적인 모델(SVM) 4. 머신러닝 모델로 냅색문제를 풀어보자 5. 마무리-라이브러리 있는데 공부해서 어디다 쓰나요? 로드맵과 머신러닝 엔지니어, 연구원에 적합한 성향 ### No! 코포 Yes! 캐글 (BOJ 0archlinux0) 머신러닝 연구원이자 대학생. 스타트업에서 백엔드 10개월 → IBM 인턴(잡부) 2개월 → 다시 스타트업으로 회귀(3개월차) 라는 다소 특이한 경력. 7개월전 백준으로 PS를 시작하였고 매력을 느껴 앞으로도 꾸준한 취미로 이어나가려 합니다. 다만 앞으로는 문제의 해설들과 수학적인 증명에 초점을 맞추어 블로그에 정보 공유를 하는 것에 비중을 두려 생각중입니다.

1. !"#$ %&'
0archlinux0

2. ()* +,
• 2012 KMO 1, 2- ./, KPHO ./, 012 34,5 673/
• 2014 849 :;
• 2014~2017 <= > ?@ABCD EF(GBHI: 2014J LOL D1(70P))
• 2018 K4L MN9 O4 P4
• ~2020 Q R0(STUV M1)
• CWX ?YNZ [5 0=]^ 6_`a 3bB 5cde] fghi j?
W'kl mn R0op ql r'h9 st 5u
fv: w_

3. xNy 5u
• Student 2019 ~ 2024…
• Backend
• ML/DS Research
fv: w_
• zFp {|C}: 2020~ 2021 (1 year)
• BMI~ (•* HFp €H o•: 2021(2 months)
• 5‚ ƒ„ …† {|C}: 2022 ~
WHY?
WHO?

4. PS
• BOJ - 2021J 6` 1‡ %&' > 2021J 12` 5u* 8_`- ˆ(
• Codeforces - 2022J 2` 5u, 6` Expert ‡‰
fv: w_

5. CONTENTS
001 - Background knowledge
002 – What is Machine Learning?
003 – SVM
004 – Clustering
005 – Statistic Models
006 – Q&A
007 – exit(0);

6. Background Knowledge
!"
• ‚ŠO3 - Diagonalization, Jordan form, Spectral Decomposition
• ‹„Œ4 – Divergence, •‹Œ, aŽ* ‹Œ R••, Lagrange equation
• H‘ ’5 ex) feature ƒ= “ degree, scale ”•, –— 6„˜, RBF <75™ š›, OLS
#$
• Œœ8 •ž] O* BŸ, ¡t ¢£, ¢£¤^ ¥3, •¦Œr, §B¨ •N, Correlation
• H‘ ’5) RSS, MSE, Loss Function, Data analyzation
%&' ()*+
• gpt, gan, svm, k-mean clustering… etc
,-./0 12
• ©ª« ©l3¬ -®. But, reference¯ ° h«U ±² u‰B <³h« OK!
• ´µ* ¡ ¶· “ ±²p Reading8 ¸T„o 348 ¹º„o BŸ
»B¼#N¯ ½¾ stŸ¿ÀÁ?
Numpy, Pandas, ploth visualization Ã

7. What is Machine
345 67
1. 87 (Classification)
2. 9: (Regression)
3. Clustering
4. ;< (Forecasting)
=>' !?@!A BC D" E"5 FGH => D"I E" ;<
JK, LM!A BC NOP QR5 FGH => NOP QR;<
STU FGHV WX(SY FGH, FeatureFGH Z)
[ ]^((_)), `a;b

8. What is Machine
345 67
1. 9: (Regression)
2. 87 (Classification)
3. Clustering
4. ;< (Forecasting) Machine
Learning
Supervised
Learning
Unsupervised
Learning
Reinforcement
Learning
Deep
Learning
"c5 67

9. SVM
SVM Gd? Support Vector Machine
Classfication, Outlier Detection, Boundary Detection(Image)

10. Clustering Gd?
Clustering

11. Clustering
Clustering 5 34@

12. Statistic Models
1. Residual Sum of Squares
2. Ordinary Least Squares

13. ÄzN
e>fg hGif*5 jN
kL ,-lm
nopq rst
1. Youtube: Docceptor u5 e>fg vw
2. xGy Nzm{z: Andrew Ag |!u5 }fg vw
3. Kaggle

14. Q&A

15. THANK YOU