2021.2.8 월 업데이트
MIT xPRO 머신러닝 1주차 모듈2 평가 및 과제를 마쳤습니다!
모듈2를 마무리하는 과정, 매우 험난했습니다. 퀴즈 풀이와 과제 수행에 다섯 시간쯤 걸렸네요. 하지만 Matlab으로 구성한 실시간 분석 예제는 매우 잘 만들었다는 느낌이 듭니다. 이론적 설명을 즉시 예제 코드를 통해 시뮬레이션해볼 수 있다는 점이 제가 기존에 수강했던 링크드인러닝과의 차별화점이고, 비슷한 예제를 주피터노트북 형식으로 제공하는 코세라에 비해 일관성이 더 높게 느껴졌습니다.
SIR 시스템 ODE를 이용한 국지 전염병 모델링
- SIR (Susceptible, Infected, Removed) system model
- susceptible compartment: 감염가능군, s(t)
- infected compartment: 기감염군, i(t)
- removed compartment: 기면역군, r(t)
- rate of infection: 𝛽 (𝛽가 클수록 전염률이 높아짐)
- rate of removal: 𝜅 (𝜅가 클수록 면역률이 높아짐)
ODE의 해를 구하기 위한 명시적 방법 및 암묵적 방법 비교
- ODE의 명시적 (explicit) 해법: FE 전방 오일러, EM 명시적 중앙점, RK4 4단계 룽거커터
- ODE의 암묵적 (implicit) 해법: BE 후방 오일러
다음, 모듈3는 공간 모델링 (Spatial Modeling)을 위한 편미분방정식 (PDE, partial differential equation)으로 시작하네요!
2021.2.5 금 업데이트
MIT xPRO 머신러닝 1주차 모듈2 스터디중입니다.
Higher-Order ODE Integrators
고차 상미분방정식 적분
Forward Euler ODE는
시간 단계 또는 이타 타임과 1차 관계
즉, 시간 단계가 2배가 되면, 오류도 2배가 되고,
시간 단계가 1/2배가 되면, 오류도 1/2배가 되는 것
그렇다면, 1차 방정식을 좀 더 고차원으로 바꿔서
예를 들면 p차원으로 올리면 시간 단계에 따른 오류의 수준을
훨씬 잘 파악할 수 있지않을까? 라는 질문이 오늘의 화두입니다.
MIT xPRO 머신러닝 1주차: 저차원 (Forward Euler) 및 고차원 (4th Order Runge-Kutta) ODE 방법 비교
2021.2.4 목 업데이트
전진 오일러 데모 / Forward Euler Demo
전진 오일러 방법으로 자유낙하하는 공을 시뮬레이션
변경 가능 파라미터
– 공의 질량 (m)
– ODE을 풀기위한 시간 단계 (dt)
물리적 현상에 대한 질문
– 공의 질량을 변경할 때, 공에 가해지는 어떤 힘이 변하는가? 외
시뮬레이션에 대한 질문
– 시간 단계 크기를 줄이면, 에러와 런타임은 어떻게 변화하는가?
안정 및 불안정 환경 설정 위한 값 범위
– m=0.1 일때, 시간 단계 크기 dt=0.4, 0.8, 1
– m=0.01 일때, 시간 단계 크기 dt=0.1, 0.2, 0.4
Module2 참고자료
엔자임의 기저 / Enzyme Kinetics (MIT OpenCourse)
테일러 급수 / Taylor series (Essence of calculus, 3Blue1Brown)
2021.2.2 화 업데이트
리뷰: MIT xPRO ‘머신러닝, 모델링, 시뮬레이션’ 과정 개강 (1/8)
2020.12.29 업데이트
2020년 한 해 동안 인공지능을 주제로 정말 많은 분들과 만나고 많은 배움을 얻을 수 있었습니다. 2021년에는 좀 더 세분화된 인공지능 모델, 그리고 산업별 솔루션과 애플리케이션을 구현하고 활용할 수 있는 방법을 익히기 위해 2021년 2월~3월, 5주간 진행하는 MIT xPRO 머신러닝 과정에 등록했습니다.
MIT xPRO 머신러닝 과정 구성
과정1. 머신러닝, 모델링, 시뮬레이션 원론 (Machine Learning, Modeling, and Simulation Principles)
과정2. 엔지니어링, 사이언스에 머신러닝 적용 (Applying Machine Learning to Engineering and Science)
원래 계획은 산업인공지능에 대한 실용 예제를 확보하기 위해 ‘과정2. 엔지니어링, 사이언스에 머신러닝 적용’만 수강하는 것이었지만, 과정1과 과정2가 서로 연계된 과정이어서 부득이 과정1부터 시작하게 됐습니다. 2020년 가을부터 수강 등록을 계속 고민하다가 결국 2021년 2월 과정을 등록하고 보니 뭔가 개운하고 뭔가 허전하네요. (1350달러나 지출해서인듯 합니다^^;)
저의 윈터시즌 공부 계획
1월: Coursera TensorFlow 프로페셔널 2/4 스터디
2월: MIT xPRO 머신러닝 스터디
MIT 컴퓨터 엔지니어링 센터는 머신러닝을 어떻게 설명할지 궁금하고요, 온라인으로 진행되는 MIT xPRO의 엔지니어링 전문 과정이 실제로 어떻게 운영되고 있는지도 궁금합니다. 열심히 공부하면서 MIT xPRO 머신러닝 과정에 대한 소식도 자주 전하겠습니다.
MIT xPRO
https://xpro.mit.edu/
머신러닝, 모델, 그리고 시뮬레이션 원론
Machine Learning, Modeling, and Simulation Principles
https://xpro.mit.edu/courses/course-v1:xPRO+MLx1/
