확률론은 도박에서 시작되었다. 주사위, 카드, 동전과 같은 것들은 사람들이 도박에서 사용하는 것들이다. 이러한 상황이 발생할 확률이 어떻게 되는지에 대해 말하는 것이다. 수학이 확실성의 논리라면, 통계학은 불확실성의 논리다. 표본공간: 어떤 실험에서 가능한 모든 경우의 집합을 의미. 집합의 원소는 실험에서 가능한 결과들이 되는 것이다. 사건: 표본공간의 부분 집합을 의미. # 사람들의 접근 방식 직관적으로 써내려 가면서 해결하려고 한다. (ex. 합집합 & 교집합을 이용해 수학적으로 정확하게 만듬.) 많이 생각하고 많은 문제를 풀수록, 직관적이게 된다. 실제로 생각할 수 있는 구체적 예시를 참고하는 건 굉장히 도움된다. 수형도를 가지고 생각하는 것을 추천한다. 훨씬 구조화되어 있어 실수할 확률이 적어진다..

# 확률론 딥러닝은 확률론 기반의 ML이론에 바탕을 두고 있다. ML에서 loss function(손실함수) 작동 원리가, data를 통계적으로 해석하기 위함으로써 risk를 최소화하기 위한 원리가 확률론의 원리. ex1. 회귀분석에서, L2-norm = error 분산을 최소화하는 방향으로 유도 ex2. 분류문제에서, Cross-entropy = model 불확실성을 최소화하는 방향으로 유도 여기서의 분산이나 불확실성을 측정하는 방법을 통계학에서 찾을 수 있다. 확률변수 종류 - 이산형(discrete) : '특정 경우의 수 / 가질 수 있는 모든 경우의 수' 값으로 모델링 - 연속형(continuous) : 밀도 위에서 적분 값으로 모델링 - 경우에 따라 이산형 혹은 연속형 이 확률변수를 결정짓는 것..