WorkOut44 LG Aimers | Convex Optimization (볼록 최적화) 1) Optimization Using Gradien Descent2) Constrained Optimization and Lagrange Multipliers3) Convex Sets and Functions4) Convex Optimization 최적화는 기계학습 이용에 중요모델의 좋은 파라미터는 특정 Optimization 문제의 Solution이 되는 경우가 많음 Optimization 종류Unconstrained OptimizationConstrained OptimizationConvex optimization 함수 최적화 Point는 Gradient와 관련 있음 ▶ $f'(x) =0$ Point가 함수의 Minimum 📌 Gradient Descent를 이용한 최적화 Uncon.. 2024. 7. 22. LG Aimers | Matrix Decomposition (행렬 분해) 1) Determinants & Trace2) Eigenvalues & Eigenvectors3) Cholesky Decomposition4) Eigendecomposition & Diagonalization5) Sigular Value Decomposition 📌 Derterminant (행렬식) : Motivation (1) 2*2 Matrix $A= \begin{pmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{pmatrix}$ , $A^{-1} = \frac{1} {a_{11}a_{22}-a_{12}a_{21}} \begin{pmatrix} a_{22} & -a_{12} \\ -a_{21} & a_{11} \end{pmatrix}$ 2*2 Matrix .. 2024. 7. 19. Cryptography | Double DES _ Exploit : Meet-in-the-middle Attack Level 1 | Double DEShttps://dreamhack.io/wargame/challenges/1118 Double DES4바이트 전수 조사 쯤이야 간단하죠! Exploit Tech: Meet in the middle attack에서 함께 실습하는 문제입니다.dreamhack.io prob.py#!/usr/bin/env python3from Crypto.Cipher import DESimport signalimport osif __name__ == "__main__": signal.alarm(15) with open("flag", "rb") as f: flag = f.read() key = b'Dream_' + os.urandom(4) + b'Hacker'.. 2024. 7. 16. Cryptography | 현대 암호 (대칭키 & 비대칭키 암호, 기밀성/무결성/인증/부인방지) ⚠️ 고전 암호의 문제점송신자와 수신자 간 키 공유 문제▶ 카이사르(알파벳을 미는 칸의 수), 비제네르(키워드) ...대칭키 암호 시스템(Symmetric key cryptosystem)- 송신자와 수신자가 같은 키를 공유하는 암호 시스템- 사전 키 공유 과정 필요▶ 네트워크 도청 문제로 키 공유 알고리즘(Key exchange algorithm) 연구→ 1970년 중반 Diffie-Hellman 키 교환 알고리즘 등장공개키 암호 시스템(Public key cryptosystem) 등장- 송신자와 수신자가 서로 다른 키 사용하는 암호 시스템- 대칭키와 대비하여 비대칭키 암호 시스템(Asymmetric cryptography) 으로도 불림 현대 암호 🔎 케르크호프스의 원리 (Kerchhoffs' pri.. 2024. 7. 15. LG Aimers | AI Essential Course & AI Ethics Part 1. 데이터 분석과 AI 학습에서 유의할 점 1. 데이터의 해석상관관계와 인과관계의 차이 2. 데이터 전처리와 분석방법error bar 추가적합한 통계 테스트아웃라이어 제거 데이터 표준화(정규화)EDA (exploratory data analysis)데이터 품질이 알고리즘 학습 품질을 결정 3. 학습 데이터의 양Under-fittting (과소적합)Over-fitting (과대적합)데이터 학습의 결과가 적절한 수준인지, 유연하게 대처하는 알고리즘학습 데이터와 테스트 데이터는 달라야 함 4. 블랙 박스 알고리즘해석의 어려움 - 블랙박스 형태 성능과 설명력알고리즘 내면 가시화 필요Post-hoc explainability (사후설명력) : Salency map, SHAP 등One pixel att.. 2024. 7. 15. 이전 1 2 3 4 5 ··· 9 다음
