NLP/AI/Statistics

통계: 특정 집단에 대하여 조사나 실험을 통해 얻어진 수치 즉, 특정 집단을 구성하는 각각의 정보를 하나의 요약된 값으로 표현한 것. 기본적인 예시는 다음과 같다. 서울 시민들의 직업을 통계적 수치로 확인하기 위해 [특정 집단] - [자료수집] - [요약] 의 단계로 조사가 이루어진다. 서울 시민(특정 집단)으로부터 직업을 조사(자료 수집)하고 수집된 자료를 토대로 직업들의 분포를 퍼센트로 확인(요약)하여 정보를 확인할 수 있다. 통계학: 통계를 이용하여 불확실한 현상에 대하여 추정(estimatoin), 검정(testing), 예측(forecasting)하여 합리적인 결과 해석 및 의사결정을 할 수 있도록 돕는 학문 통계학은 불확실한 현상을 자료 수집, 모형 설정, 추론 과정을 통해 정보를 객관화하여 ..

학사 전공인 빅데이터경영통계에서 습득했던 지식이 점차 사라지는 것 같아, 통계적 지식을 다시 복습하고자 한다. 우선적으로 기본적인 개념부터 각 통계 분석 방법론들을 사용하는 방법, 혹은 사용하는 예시에 대하여 정리할 예정이다. 그리고 추후에 수학적 접근방식으로 통계에 대하여 공부할 예정이다. 학부 수업시간에 학습했던 자료들, 교재들을 참고자료로 활용할 것이다.

Git을 사용하는 과정에서 어려움을 겪었던 문제 중에 하나이다. 파일을 업로드하였고 commit message를 작성하는데 잘못 작성된 상태에서 push를 했다. 이를 그냥 둘 수도 있었지만, 정확한 commit message를 업로드하고 싶었기 때문에 이를 수정하려고 검색하였다. # commit message 바꾸는 방법 git commit --amend -m "new_commit_message" git push -f 위의 코드를 작성하면 되었지만, 항상 'git push'로만 작성하던 습관으로, 아래의 코드를 git push -f 가 아닌 git push로 계속 작성하였고 역시나 계속 잘못된 message는 바뀌지 않았다. 계속 안되는 것 같아 결국 지우고 다시 넣어버리자! 라는 마음으로 rm 하고 ..

Language Model: 통계적 언어 모델에서 조건부 확률을 이용하여 문장 생성 확률을 나타내는 방법에 대하여 설명했다. 빈도 기반의 확률분포를 이용한 언어 모델은 특정한 연속된 단어열이 학습말뭉치에 존재하지 않아 확률이 정의되지 않는 문제가 발생한다. 또한, 빈도 기반의 확률을 나타내기 때문에 단어열의 길이가 길어질수록 해당 문장이 학습 말뭉치에 나타나지 않을 확률이 크다. 이러한 문제를 해결하기 위해 n-gram 언어 모델이라는 개념이 소개되었다. n-gram은 임의의 개수 n에 따라 연속된 단어들을 하나의 토큰으로 처리한다. 이 때 지정한 임의의 개수에 따라 아래와 같이 unigram, bigram, trigram, ..., n-gram 으로 표현된다. 예시) "이번 글에서는 언어 모델에 대하여..

언어 모델(language model)은 토큰들의 조합으로 가장 자연스러운 문장을 만들기 위해 연속된 각 토큰에 확률을 할당하는 것이다. 즉, 연속된 토큰들의 확률을 이용하여 특정 단어 이후에 나올 토큰을 예측함으로써 가장 자연스러운 문장이 생성되도록 한다. (이 때 토큰은 음절, 단어, 형태소 등등으로 활용이 가능하며, 기본적으로 '단어'를 사용하기 때문에 본 글에서는 '토큰' 대신 '단어'라는 용어를 사용하여 설명한다.) 언어 모델과 같이 연속된 단어에 확률을 할당하는 것은 자연어처리 task에서 중요한 역할을 한다. 이는 기계번역, 오타 교정, 음성 인식 등의 task에서 가장 유사하고, 가장 높은 확률의 텍스트를 생성하도록 한다. 기본적으로 언어 모델은 조건부 확률을 이용하여 문장생성확률을 구하는..