Links for Machine Learning

http://www.cs.toronto.edu/~rgrosse/courses/csc321_2017/slides/lec4.pdf

 : activation을 다른 곳은 거의 베르누이 썼는데 여긴 softmax를 사용한 강의 자료

https://eli.thegreenplace.net/2016/the-softmax-function-and-its-derivative/

 : softmax 미분한 글

https://math.stackexchange.com/questions/477207/derivative-of-cost-function-for-logistic-regression

 : chain rule 이해 안될때 보면 되는 글

   대수적(?)으로 표현한거지만 예제도 좋고 전개도 잘해서 이해하긴 쉬움

http://sanghyukchun.github.io/42/

 : Chain Rule도 잘 적혀있고 (정확히는 backpropagation algorithm 이야기인데..)

   다른 Lecture 정리글을 읽으면 갈피를 잡는 데에 많이 도움이 된다.

https://stats.stackexchange.com/questions/235528/backpropagation-with-softmax-cross-entropy

 : loss function을 NLL(Negative Log-Likelihood)로 써서 만든 cross-entropy를 편미분하는 과정인데

  chain rule에서 각 편미분 값에 대해서 잘 설명되어있다.

https://math.stackexchange.com/a/945918

 : 중간에 수식 못 구하는거 하나 있는데, 그거 딱 구하게 해줌. (식 적당히 묶고 log 잘 씌우니까 나와서 신기함)

https://ko.wikipedia.org/wiki/크로네커_델타#크로네커_델타의_성질

 : 여기엔 크로네커 델타 함수의 미분값에 대한 성질이 나와있음. (영문 자료는 적분으로 미분을 적어서 알아보기 힘듦)

   대신 한국어 위키는 저거밖에 볼 거 없고, 영문 위키를 보는게 정보가 더 많아서 훨씬 나음

https://machinelearningmastery.com/machine-learning-in-python-step-by-step/

 : SciPy, NumPy 등 requirements부터 파이썬 코드, 데이터셋까지 뭐가 많다.

  링크도 많고 코드도 많아서 볼 내용이 많다. 차근차근 따라하기엔 진짜 좋음

  같은 내용인지는 모르겠지만 사이트에서 판매하는 책도 있는 모양이다.