J.Kim et al

Continuous Random Variable 앞선 포스팅에서는 이산확률변수에 대해서 알아보았다. RV를 discrete하게 지정을 하는 것이다. 하지만 우리가 살고 있는 세상은 변수가 굉장히 많다. 인구, 동물 수, 극단적으로 나노미터 크기의 분자까지. 이러한 outcome들은 정확한 RV로써 정의내리기란 불가능할 것이다. 그래서 나온것이 Continuous RV이다. 이것은 어떠한 outcome들을 모든 Real number에 대응시키는 것이다. 이때 Sample Space와 Real number는 셀 수 없이 무한 해야 한다. 그렇다면 0과 1 사이의 연속확률변수 x를 생각해보자. 0과 1사이에는 무수히 많은 실수가 존재한다. 그중에서 딱 0.5에 해당하는, 0.50000000...에 해당할 확률..

GAN(Generative Adversarial Nerwork)을 활용한 연구를 진행하면서 확률과 통계학의 필요성에 대해 절실히 깨달았다. GAN을 단지 '경찰과 도둑 게임' 또는 'minmax 게임'으로만 이해하려고 했던 내 자신이 부끄러웠다. 단순히 새로운 이미지를 만드는 것이 아닌, 기존 Image Data의 PDF(Probability Density Function)에 최대한 근사하게끔 모델링하는 것. 정말 간단히 말하자면 그런 뜻이다. GAN 뿐만 아니라, 딥러닝 기초 강의를 제작할 때에도 딥러닝이 비약적인 발전을 하는데 있어서 통계학이 얼마나 중요한 근간이 되었는지 가늠은 했지만 지금이나마 공부를 시작하려고 한다. 모든 포스팅은 KOCW에서 제공하는 한양대학교 이상화 교수님의 확률 및 통계학 ..