Variational Inference 정리
언제 사용하는가? * $X = {x_1,x_2,...,x_N}$이 있고 $X$의 Latent Varaible로 $Z$가 있을 때, Posterior인 $P(Z|X)$를
언제 사용하는가? * $X = {x_1,x_2,...,x_N}$이 있고 $X$의 Latent Varaible로 $Z$가 있을 때, Posterior인 $P(Z|X)$를
새벽 4시, 아이의 밤중수유를 위해서 일어나야 할 시간이다. 한달이 지나자 슬슬 아이가 울지 않아도 4시 20분 전후로 눈이 먼저 떠진다. 더 자고 싶은 욕구가
솔직해서 너무 좋았다. 뭐랄까, 삶에 대해서 전체적으로 조망하지 않고, 흐리멍텅한 말투로 "현재의 나"가 계속 지속될 것처럼 말하는 사람이나 말투가 너무 싫었다.
"소로스"는 워런버핏과 더불어 성공한 한 시대의 투자가로서 아흔을 넘어 여전히 정력적으로 활동하고 있다. 하지만 그에 대해서 우리가 아는 것은 거의 없다.
Target Encoding은 해당 Category에 나타난 Target Variable의 평균을 이용해서 Categorical Values를 대체하는 방식이다. 구성원의 코드를 리뷰하던 도중, Label Encoder를 쓴 부분들을 보다가 Label Encoder를
Covid-19이 창궐할 즈음, 올웨더 포트폴리오를 시작으로, 정량투자, 시스템 트레이딩에 대해서 관심을 가지기 시작하였던 것같다. 그 이후 꾸준히 정량적인 투자를 하고 있지만, 뭐랄까 전체적인
Entropy는 Cross Entropy Loss라는 이름으로 Deep Learning에서 분류 모델을 하는 이에게는 꽤나 익숙한 함수이다. 식으로는 다음과 같이 쓴다. $$-{1 \over n}\sum\limits^n_
* 강점 * Attention을 활용, 반복을 최소화하고, Positional Encoding을 활용해서 parallelization 지원 * Attention을 활용하여 Input Sequence에서 다른 Sequence의 어떠한 부분이 중요한지 결정 * 구조 * $X$개의 Encoder와
Long Tail Event * Long Tail Event는 Right Skewed Distribution 에서 발생하는 특징 중 하나로, Outlier와도 비슷해보이지만, Outlier대비 상당히 길게 꼬리형태로 길게 이어지는 Data Point들이
최근에 직장인과 문과생을 위한 수학교실 (이하 직문수)를 가볍게나마 들을 기회가 있었다. 수학이라는 거대한 학문내 주제들이 어떻게 연결되는지를 거시적인 관점에서 다루는 강의였는데, 개인적으로는 꽤
아버지와 함께 오후 일정을 소화 후 집에 오니 오후 6시였다. 해야할 것들은 많다고 느껴지는데, 무엇을 해야 할지 모르겠다라는 생각이 머리를 맴돌았다. 그래서 오전에 읽을까
혼돈의 시대, 리더의 탄생 마지막 부분을 읽고 있다. 현재 "3부 리더의 탄생 - 그들은 어떻게 세상을 이끌어가는가?"를 읽고 있고 오늘 드디어 마지막