본문 바로가기

Computer Science

[F-17] 딥러닝의 본질 들어가며 오늘 이야기는 딥러닝과 신경망에 대한 이야기이다. 학습 목표 딥러닝과 머신러닝의 차이를 설명할 수 있다. 딥러닝은 특히 데이터를 '표현'하는 것을 목표로 하며, '표현 학습'이라고 이야기할 수 있는 본질을 이해한다. 연결주의를 계승하여 채택한 신경망 모델의 본질을 함수 차원에서 이해한다. 선형성이 무엇인지 설명할 수 있다 학습 내용 Deep Learning == Representation Learning ? 조금 더 파고들어보자, 딥러닝을 관통하는 철학 속으로 이번에는 '신경망', 그 본질에 대하여 현시대 AI: 어디까지 왔나, 그리고 어디를 향해 가는가 Deep Learning == Representation Learning? (1) Deep Learning 인공지능, 머신러닝, 딥러닝 정의 .. 더보기
[F-16]파이썬으로 이미지 파일 다루기 들어가며 구글 이미지 검색 기능은 이미지 파일을 업로드하면 비슷한 이미지들을 찾을 수 있게 해준다. 오늘은 OpenCV를 통한 이미지 다루기를 알아보자. 이후 이와 유사한 기능을 만들어보자. 색상 히스토그램을 기반으로 주어진 이미지 중 비슷한 색상 분포를 가지는 이미지를 찾아주는 기능을 구현해보자 학습목표 컴퓨터에서 이미지가 표현되는 방식 이해 Pillow와 OpenCV로 Python에서 이미지 파일을 열고 정보를 추출하기 CIFAR-100에서 히스토그램을 기반으로 유사한 이미지를 골라낼 수 있다. 이번 노드에서 사용한 패키지는 Pillow, OpenCV, Matplotlib이다. # 설치 $ pip install pillow opencv-python matplotlib # 디렉토리 구성, 데이터셋 br.. 더보기
[F-14] 강아지 고양이 분류기 들어가기 학습 목표 이미지를 분류할 때 이미 학습된 모델을 사용한다는 아이디어를 떠올리기 사전학습 모델인 Backone 모델의 종류와 개념을 알고, Transfer learning의 개념을 설명하기 Backbone 모델을 원하는 레이어만큼 새로 학습시켜 사용할 수 있다. Backbone 모델을 Transfer Learning 시킴으로써 원하는 이미지 분류 준비물 : "Pillow" package $ pip install pillowimport warnings warnings.filterwarnings("ignore") # 실행에 필요한 메시지 외 경고가 출력되지 않게 해줌 print("완료!") 완료!내가 직접 만드는 강아지 고양이 분류기 (1) 이미지 분류 문제 import tensorflow as t.. 더보기
[F-13] 클래스 기본 문법 1. 객체 지향 프로그래밍 (1) 객체란? 1) 객체 Everything in Python is an object, and almost everything has attributes and methods. 파이썬에는 부울, 정수, 배열, 딕셔너리, 함수, 프로그램 등 모든 것이 객체이다. 파이썬에서 object라 불리는 것들은 모두 변수에 할당될 수 있고, 함수의 인자로 넘겨질 수 있는 것들이다. 그러므로 파이썬에 나오는 모든 것들은 object이다. 2) 변수 id()함수를 이용해 객체의 identity를 확인해보자. id() 함수는 파이썬 내장함수로, 프로그램이 돌아가는 동안 객체의 고유값(idendity)를 반환한다. 이는 메모리 주소 혹은 객체마다 부여된 유일한 고유값이다. 3) 얕은 복사, 깊은.. 더보기
[F-12] 사이킷런으로 구현해보는 머신러닝 1. 들어가며 학습목표 머신러닝의 다양한 알고리즘을 소개 사이킷런 라이브러리의 사용법을 익힌다. 사이킷런에서 데이터를 표현하는 방법에 대해 이해하고 훈련용 데이터셋과 테스트용 데이터셋으로 데이터를 나누는 방법을 이해한다. 목차 다양한 머신러닝 알고리즘 사이킷런에서 가이드하는 머신러닝 알고리즘 Hello Scikit-learn 사이킷런의 주요 모듈 4.1. 데이터 표현법 4.2. 회귀 모델 실습 4.3. datasets 모듈 4.4. 사이킷런 데이터셋을 이용한 분류 문제 실습 4.5. Estimator 훈련 데이터와 테스트 데이터 분리하기 2. 머신러닝 알고리즘 지도학습 비지도학습 강화학습 에이전트(Agent): 학습 주체 (혹은 actor, controller) 환경(Environment): 에이전트에게.. 더보기
머신러닝 기본 1. 들어가며 이번 목표는 "머신러닝의 본질을 관통하는 철학과, 그 과정"을 깊게 파고들어 이해해보는 것"이다. # 실습에 필요한 모듈 from IPython.display import display, Image step1. "사용한 연수"만 가지고 맥북의 중고가 맞춰보기 (1) 맥북의 중고가를 결정짓는 변수는 무엇일까? 데이터 확인하기 데이터셋을 가져와서 두 변수 간의 상관관계 이해하기 사용 연수와 중고가격에는 어떤 상관관계가 있을까? 1) 데이터 준비 라이브러리 import import pandas as pd macbook = pd.read_csv('~/aiffel/bike_regression/data/macbook.csv') print(macbook.shape) macbook.head.. 더보기
깃허브에 폴더 업로드 하는 법, restore 폴더 업로드 git에 프로젝트 레파지토리 생성 아래 명령어 입력$ git status $ git add 원하는 폴더이름 // 폴더를 스테이지한다 $ git commit -m "메모" // 폴더를 커밋한다 $ git remote -v or $ git remote add origin https://github.com/och9854/레파지토리주소 $ git push origin master ``` restore restore --staged: changes to be committed를 올려준다. $ git restore --staged test.txt 더보기
그래프 그리기 1. 데이터 준비 1) 데이터 불러오기 Seaborn의 load_dataset() 메서드를 이용하면 API를 통해 손쉽게 유명한 예제 데이터를 다운로드할 수 있다. 아래 repo의 데이터는 모두 CSV파일로 되어 있어 연습용으로 추천한다. 링크 추천 import pandas as pd import seaborn as sns # 종업원들이 받은 팁에 대한 데이터 tips = sns.load_dataset("tips") 2) 데이터 살펴보기 (EDA) df = pd.DataFrame(tips) df.shape df.describe df.info() # 범주형 변수의 카테고리별 갯수 살펴보기 print(df['sex'].value_counts()) print("===================.. 더보기

티스토리툴바