어느 정도 알고 계신지는 모르겠지만,
Regression이나 classification model들을 만들 때
Target vector가 feature space에 project되는지
디멘션을 구분지을때 어떤 방식으로 하는지
이정도만 아시면 됩니다.
당연히 gauss markov theorem 정도는 증명하실줄알아야되구요
OLS가 왜 unbiased mean+minimum variance릉 창출해내는지
Newton rhapson method까지는 아시는게좋음
어떤방식으로 특정 parameter들이 업데이트되는지..
MLE가 뭔지, 각각 distribution fisher’s information까지는 derive할줄알면 됨
GLM은 link랑 왜 deviance로 model performance를 측정하는지 음 quadi까진 몰라도됨
아 그리고 왜 poisson model이 count data쓸 수 있는지 정도만 아시는 실력 되시면 됨 답은 뭐 t=1이기 때문이지만요
Ridge, Lasso regression은 당연히 아셔야함 elastic net은 뭐 두개 아시면 자연스레 배우게됨
Artificial neural network는 feed foward, back propagation 정도만 아시면 됨 즉 어떻게 파라미터들을 업데이트 하는지..
뭐 tree based model들은 쉬우니까 당연히 아셔야함. Boundary가 어떤 방식으로 업데이트되는지.. 왜 그런지
pca,svm,hierarchical model,lda,qda.. kernel method증명 rkhs properties.. etc
뭐 더 많지만 사실 놀랍게도 이 모든걸 몰라도 되구요
프로젝트만 잘해서 입잘털면됨