Word2Vec for Finance

01-20

Linear Regressor vs. Linear Classifier

01-19

Non-linear Data 처리 방법

01-27

선형 모델의 Overfitting과 Regularization

01-24

선형 모델을 위한 noise-robust 학습 방법론

01-24

Linear Regressor vs. Linear Classifier

01-19

Linear Regressor vs. Linear Classifier

01-19

Linear Regressor vs. Linear Classifier

01-19

Linear Regressor vs. Linear Classifier

01-19

Linear Regressor vs. Linear Classifier

01-19

GloVe & NLP for Stock Price Prediction

01-23

Word2Vec for Finance

01-20

GloVe & NLP for Stock Price Prediction

01-23

Word2Vec for Finance

01-20

Word2Vec for Finance

01-20

GloVe & NLP for Stock Price Prediction

01-23

Word2Vec for Finance

01-20

Write Code Every Day

01-21

Write Code Every Day

01-21

Write Code Every Day

01-21

Write Code Every Day

01-21

네이버 블로그 리뷰 크롤링

01-22

네이버 블로그 리뷰 크롤링

01-22

네이버 블로그 리뷰 크롤링

01-22

GloVe & NLP for Stock Price Prediction

01-23

데이터 결측치 채우는 6가지 방법

02-18

Non-linear Data 처리 방법

01-27

Data Preprocessing Concepts

01-26

선형 모델의 Overfitting과 Regularization

01-24

선형 모델을 위한 noise-robust 학습 방법론

01-24

GloVe & NLP for Stock Price Prediction

01-23

선형 모델을 위한 noise-robust 학습 방법론

01-24

선형 모델을 위한 noise-robust 학습 방법론

01-24

선형 모델을 위한 noise-robust 학습 방법론

01-24

선형 모델을 위한 noise-robust 학습 방법론

01-24

선형 모델의 Overfitting과 Regularization

01-24

선형 모델의 Overfitting과 Regularization

01-24

선형 모델의 Overfitting과 Regularization

01-24

선형 모델의 Overfitting과 Regularization

01-24

선형 모델의 Overfitting과 Regularization

01-24

선형 모델의 Overfitting과 Regularization

01-24

Data Preprocessing Concepts

01-26

Data Preprocessing Concepts

01-26

Data Preprocessing Concepts

01-26

Data Preprocessing Concepts

01-26

Data Preprocessing Concepts

01-26

Non-linear Data 처리 방법

01-27

Non-linear Data 처리 방법

01-27

Non-linear Data 처리 방법

01-27

Non-linear Data 처리 방법

01-27

Non-linear Data 처리 방법

01-27

Non-linear Data 처리 방법

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Generalization for Linear Models

01-27

Structure of Deep Neural Network

01-28

Structure of Deep Neural Network

01-28

Bias and Variance

03-12

Takeaways for Basic error analysis

02-22

How big should the Eyeball and Blackbox dev sets be?

02-22

Cleaning up mislabeled dev and test set examples

02-17

Evaluating multiple ideas in parallel during error analysis

02-16

Error analysis - Look at dev set examples to evaluate ideas

02-15

Build your first system quickly, then iterate

02-14

Takeaways for setting up development and test sets

02-11

When to change dev/test sets and metrics

02-10

Having a dev set and metric speeds up iterations

02-10

Establish a single-number evaluation metric for your team to optimize

02-09

Your dev and test sets should come from the same distribution

02-08

How large do the dev/test sets need to be?

02-07

Your development and test sets

02-06

Scale drives machine learning progress

02-05

Prerequisites and Notation

02-04

How to use this book to help your team

02-03

Why Machine Learning Strategy

02-02

How large do the dev/test sets need to be?

02-07

Your development and test sets

02-06

How large do the dev/test sets need to be?

02-07

Your development and test sets

02-06

Having a dev set and metric speeds up iterations

02-10

Establish a single-number evaluation metric for your team to optimize

02-09

데이터 결측치 채우는 6가지 방법

02-18

데이터 결측치 채우는 6가지 방법

02-18

AI 프로젝트 아이디어 평가를 위한 5단계 기준

03-08

AI 프로젝트 아이디어 평가를 위한 5단계 기준

03-08

위기에 빠진 구글 AI 그리고 비명세성 문제

03-09

위기에 빠진 구글 AI 그리고 비명세성 문제

03-09

위기에 빠진 구글 AI 그리고 비명세성 문제

03-09

위기에 빠진 구글 AI 그리고 비명세성 문제

03-09