[부스트캠프 AI Tech 3기 Pre-Course] 핵심만 담은 AI를 위한 수학 지식 베이즈 통계학 맛보기 (Bayes' Theorem, Simpson's Paradox, Causality)

모든 게시물은 macOS Monterey 12.0.1 버전 기준으로 작성하였습니다.
부스트캠프 AI Tech 3기를 위한 Pre-Course 를 토대로 작성하였습니다.

https://www.boostcourse.org/

 

Bayes' Theorem, Causality, Simpson's Paradox

 

[ 강의 소개 ]
조건부확률에서 이어지는 개념인 베이즈 정리와 인과관계 추론에 대해 공부합니다.
데이터가 새로 추가될 때 정보 갱신에 사용되는 베이즈 정리에 대해 공부합니다.

 

베이즈 정리는 데이터가 새로 추가될 때 정보를 업데이트하는 방식의 기반이 되므로
머신러닝에 사용되는 예측모형의 방법론으로 굉장히 자주 사용됩니다.
사전확률, 사후확률. evidence 등의 개념에 대해 확실히 짚고 넘어가야 합니다.

인과관계 추론에 있어 조건부확률을 섣불리 사용해서는 안되는 이유와

중첩효과를 제거함으로써 얻은 인과관계를 어떻게 활용할 지 알아보자.

 

 

 



 

 

 

치료법을 결정하는 것에 중첩효과를 제거한 인과관계 분석을 해야

단순히 조건부 확률을 통한 결과보다 훨씬 믿을만한 결과가 나온다.

 

 

새로운 데이터가 들어왔을 때, 사전확률을 이용하여 새로운 사후확률을

구하는 방법과 precision, recall, false alarm을 이용하여 데이터를 통

가설의 신뢰도를 점검하는 방법에 대하여 알아보았다.