거기 나오는 모델들도 쭉 봤거든

딥러닝 하는데 통계수학 필요하다는게 무슨의민지 알겠더라




그냥 뉴럴넷이 성능좋은 approximator라고 가정하고

윈래있던 통계적 추론의 각 함수를 뉴럴넷으로 대체하거나

모델 개발한다음에 soundness를 널리 알려진 통계적 추론기법으로 증명하는식으로 수학이 쓰이더라




근데 생각해보면 모델을 개발하는데 수학이 꼭 필요한건 아닌거같음

통계적 기법에서 영감을 얻거나 수학적으로 soundness함을 보여주는 수준으로 쓰이는 느낌임

모델 개념 자체가 수학적 기법없이 이해할수없거나 다룰수없는경우는 아직 못봤음 옛날 머신러닝 모델은 그런거 많거든 잘 알려지고 다루기쉬운 단순한 것들로 복잡하고 어려운걸 표현하려하니까 수학적기법이 중요했는데
요즘은 강력한 approximator 뉴럴넷이 어려운 부분 혼자 담당하는 느낌임

YOLO같은거도 보면 수학 하나도 없이 개발한 모델이고





그리고 모델 그냥 가져다쓰는건 코드몇줄로 가능함 수학 필요 X

- dc official App