맥케이 정보이론 8강: 잡음 채널 부호화 (3): 잡음 채널 부호화 정리
맥케이 정보이론 8강. 잡음이 만드는 전형적인 출력 구름과 무작위 부호를 이용해, 채널 용량 아래에서는 오류를 거의 없앨 수 있다는 잡음 채널 부호화 정리를 이해한다.
Posts
맥케이 정보이론 7강: 잡음 채널 부호화 (2): 잡음 채널의 용량
맥케이 정보이론 7강. 이진 대칭 채널과 지움 채널에서 상호정보량을 계산하고, 입력분포를 최적화해 신뢰할 수 있는 통신률의 경계인 채널 용량을 구한다.
시스템 생물학 12강: 모듈성
작성 예정.
Trajectory ML 01: 관측값에서 숨은 상태로
세포 분화와 캐릭터 대화를 하나의 질문으로 연결한다. 관측, 상태, 경로, 동역학, 결과를 구분하고 12강 동안 사용할 합성 데이터의 실험 원칙을 세운다.
Trajectory ML 02: PCA로 만드는 첫 번째 잠재 공간
분산을 최대화하는 관점과 복원 오차를 최소화하는 관점에서 PCA를 유도하고, 공분산 고유벡터와 SVD를 연결해 평가 세션에서 압축을 검증한다.
Trajectory ML 03: Autoencoder와 VAE, 좋은 상태란 무엇인가
PCA, 오토인코더, VAE를 같은 데이터에 학습시킨다. ELBO와 재매개변수화를 이해하고, 복원을 잘하는 것과 의미 있는 상태를 찾는 것을 구분한다.
Trajectory ML 04: 이웃에서 시작하는 매니폴드 학습
Swiss roll에서 직선 거리와 곡면 거리를 구분하고, kNN 그래프와 Isomap, UMAP을 연결한다. 보기 좋은 지도와 검증된 시간축의 차이를 배운다.
Trajectory ML 09: 상태가 다음에 움직일 방향을 학습하기
관측 쌍으로 벡터장을 추정하고, 한 단계 예측과 전체 경로 전개의 차이를 검증한다.
Trajectory ML 10: Optimal Transport로 집단의 이동 찾기
주변분포 제약을 만족하는 집단 간 수송을 계산하고, 개체 추적과의 차이 및 Sinkhorn 정규화의 역할을 이해한다.
Trajectory ML 11: 연속 동역학과 Flow Matching
Neural ODE와 SDE, Flow Matching을 연결하면서 생성 경로와 실제 시간 동역학을 구분한다.