AI를 위한 필수 수학

66

AI

를 위한 필수 수학

할애했다면 훨씬 보기 좋은 시뮬레이션 데이터를 얻었겠지만 곧이어 가설 모델에 적합한 파라

미터 값을 찾는 방법을 설명할 것이므로 이번 시뮬레이션은 여기에서 마친다.

그림

2-6

실제 데이터. 두 번째 예시 데이터

22

에서 여성

5

,

000

명의 실제 키-체중 데이터를 그래프로 나타냈다. 오

른쪽의 체중 데이터 분포와 위쪽의 체중 데이터 분포에 주목하자. 두 분포 모두 정규 분포를 따른다. 더 자세한 내용은

GitHub

페이지

23

를 참고하기 바란다.

22

https://oreil.ly/rZNBS

23

옮긴이_ 옮긴이의

GitHub

페이지

https://github.com/EmjayAhn/essential-mathematics-for-ai

에서 확인할 수 있다.

2.6

수학 모델: 시뮬레이션과 인공지능

우리는 모델을 만드는 설계자이므로 모델에 무엇이 들어갈지 결정함으로써 수학 모델을 더 현

실적으로 만들 수 있다. 모델이 자연을 더 많이 모방할수록 그 안에는 더 많은 수학적인 것들이

포함된다. 따라서 수학 모델을 구축할 때 현실에 더 가까워지는 것과 모델의 간결함 및 접근성

사이에서 절충점을 찾아야 한다. 설계자마다 각기 다른 수학 모델을 제시하며, 어떤 모델은 다

른 모델보다 특정 현상을 더 잘 포착하기도 한다. 이러한 모델은 자연스러운 현상을 ...