본문 바로가기

전체 글

[E-04] RNN 들어가며 목차 시퀀스? 시퀀스! I 다음 am을 쓰면 반 이상은 맞더라 실습 1) 데이터 다듬기 2) 인공지능 학습시키기 3) 잘 만들어졌는지 평가하기 프로젝트 : 멋진 작사가 만들기 시퀀스? 시퀀스! 시퀀스는 영화, 전기, 주가, 문장 드라마 등 많은 유형이 시퀀스 데이터에 포함되고, 이를 "sequential"하다고 표현한다. 시퀀스란 데이터를 순서대로 하나씩 나열하여 나타낸 데이터 구조이다. 즉, 순서가 있는 데이터 I 다음 am을 쓰면 반 이상은 맞더라 인공지능이 글을 이해하게 하는 방식은 통계이다. 문법적인 원리를 통해서가 아니라, 수많은 글을 읽게 함으로써 결과를 출력한다. 이 방식을 가장 잘 처리하는 인공지능 중 하나가 RNN이다. 를 입력으로 받은 신경망은 한 단어를 생성하고, 생성한 단어.. 더보기
[E-03] camera_stickerapp_project 프로젝트: 고양이 수염 스티커 만들기 step1. 스티커 구하기, 만들기 step2. 얼굴 검출 & 랜드마크 검출하기 dlib을 이용해서 얼굴의 bounding box위치와 landmark 위치를 찾자. # import module import os import cv2 import matplotlib.pyplot as plt import numpy as np import dlib #얼굴 불러오기 my_image_path = os.getenv('HOME')+'/aiffel/camera_sticker/images/project_image.png' #원하는 이미지 경로를 지정한다 img_bgr = cv2.imread(my_image_path) # OpenCV로 이미지를 불러온다(절.. 더보기
[E-02] iris_classification 학습 목표 scikit-learn에 내장된 예제 데이터셋의 종류를 알고 활용할 수 있다. scikit-learn에 내장된 분류 모델들을 학습시키고 예측해 볼 수 있다. 모델의 성능을 평가하는 지표의 종류에 대해 이해하고, 활용 및 확인해 볼 수 있다. Decision Tree, XGBoost, RandomForest, 로지스틱 회귀 모델을 활용해서 간단하게 학습 및 예측해 볼 수 있다. 데이터셋을 사용해서 스스로 분류 기초 실습을 진행할 수 있다 scikit-learn.org 바로가기 먼저 패키지를 install해 준다. $ pip install scikit-learn $ pip install matplotlib 사이킷런은 파이썬을 기반으로 한 머신러닝 생태계에서 오랜 기간 동안 사랑받고 있는 라이브러리.. 더보기
[E-01] rock_scissor_papaer classification 미니 프로젝트: 가위바위보 분류기를 만들자. 모듈 import import os import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras from PIL import Image import glob data load하기 # data load하기 def load_data(img_path, number_of_data=300): # 가위바위보 이미지 개수 총합에 주의하세요. # 가위 : 0, 바위 : 1, 보 : 2 img_size = 28 color = 3 #이미지 데이터와 라벨(가위 : 0, 바위 : 1, 보 : 2) 데이터를 담을 행렬(matrix) 영역을 생성합니다. imgs.. 더보기
05. Vector dot and cross products Vector dot product and vector length link For multiplying vectors or taking the product, there's actually two ways. One of is the dot product. You signfy the dot product by saying a dot b. They borrowed one of the types of multiplication. This is not a vector, this will be a real scalar. So the dot product, you multiply two vectors and you end up with a scalar value. And let's define the length .. 더보기
04. Subspaces and the basis for a subspace Linear subspaces Subspace of $R \space ^ n$ V is some subsset of vectors, some subset of $R \space ^ n$ . In order for V to be a subspace or a linear subspace of $R \space ^ n$ , This means three things. 📖 Defintion of subspace V contains $\vec {0}$ $\vec {x}$ in V $\longrightarrow$ $c \cdot \vec {x}$ in V (Closure under Multiplication) $\vec {a}, \vec {b}$ in V $\longrightarrow$ $\vec {a} + \ve.. 더보기
03. Linear dependence and independence Linear dependence and independence Ex 1 We call this set linearly dependent set. Linearly dependent means that one of the vector in the set can be represented by some combination of the other vectors in the set. Whichever vector you pick that can be represented by the others, it's not adding any new directionaility or any new information! Ex 2 ❓ Are these linearly independent? ❗ nope! v3​​ is a .. 더보기
02. Linear combinations and span Linear combination: an expression constructed from a set of terms by multiplying each term by a constant and adding the results. Let's see some examples of linear combinations. There are two vectors which is a=[12​] , b=[03​] When we scale by some scaling factor and add them, we can get those vectors and it's called a linear combination. ex1) 0⋅a+0⋅b=[00​] ✔ zero vector is also a linear combinat.. 더보기

티스토리툴바