필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. DNN : Deep Neural Network CNN : Convolution Neural Network -> 큰 데이터를 일단 쪼개서 특징을 파악하는? 256 * 256의 데이터가 있을 때, 5 * 5 의 크기의 애들로 돌려보면서 이런 특징이 있구나 하면서 학습을 함 MNIST 데이터셋 : 사람이 손으로 0 ~ 9까지 적은 데이터를 모아놓음, 이 중에 60000개의 학습용 이미지, 10000개의 테스트용 이미지가 있음. DNN과 CNN, 그리고 이미 처리 한번 한 데이터가지고 CNN돌리는 코드도 한번 돌려봄. 느낌 : 저는 말하는 감자입니다. 한동안 말하는 감자 휴유증이 와서 아무것도 못했네요. 이제 열심..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 딥러닝 1차 (n) -> 벡터 ( vector ) 2차 (n * m) -> 행렬 ( matrix ) 3차이상 -> 텐서 ( Tensor ) H(x) = W(x) + b W(x) : 안에 들어가는게 행렬이기 때문. cost = loss = error 원래 값에서 H(x)가 멀어진 정도 얘를 최소한으로 줄이면서 원래 함수에 가장 가까운 함수를 찾아가는거지. AI : 기계를 통해 구현된 지능 Machine Learning 기계적으로 학습해서 특징을 발견하는것 Deep Learning : 더 발전된 형태로 신경망을 구축해서 더 높은 정확성

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. RGB를 黑白으로.¶ 정답이 나오는 코드 In [2]: import numpy as np def solution(img): bk_img = np.zeros(shape= (np.size(img[:,0,0]),np.size(img[0,:,0]))) for h in range(np.size(img[:,0,0])): for w in range(np.size(img[0,:,0])): bk_img[w,h] = img[w,h,0] * 0.3 + img[w,h,1] * 0.5 + img[w,h,2] * 0.2 answer = bk_img return answer 빠지면 섭섭한 오늘의 실수 In [4]: def soluti..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 2차원 인덱싱하기¶ In [2]: import numpy as np In [6]: info = np.array([[1,2,3,4,5,6],[7,8,9,10,11,12]]) 2차원에서 인덱스를 조건으로 하려면 어떻게 해야할까 라는 문제!¶ In [7]: a = info[0,:] # 0과 : 를 이용하면 됨 -> 0행의 모든내용에 대해서 해보자는 얘기 a Out[7]: array([1, 2, 3, 4, 5, 6]) 불인덱싱도 가능함¶ In [8]: B = info[0,:] > 3 B Out[8]: array([False, False, False, True, True, True]) In [11]: a[B] Out..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. Numpy 패키지 불러오기 ¶ In [1]: import numpy as np # np로 많이 불러옴. Array 만들기¶ In [2]: lst = [1,2,3,4,5] np_arr = np.array(lst) np_arr Out[2]: array([1, 2, 3, 4, 5]) 배열의 모양¶ In [4]: A = np.array([[1,1,1],[1,2,3]]) B = np.array([ [[1,2,3],[1,2,3], [3,4,5],[3,4,3]] ]) print(A.shape) print(B.shape) (2, 3) (1, 4, 3) 배열의 모양이라는게 제일 밖의 괄호를 기준으로 한꺼풀씩 세어가는 것 같..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 며칠전에 한 빅수비 API 만들기를 완성했다. 다음은 빅수비API 의 코드다. from flask import Flask, jsonify, request app = Flask(__name__) git_id = 'mingtian_chan' weapon_lst = [ {'id' : 1 ,'name' : 'sword', 'stock' : 3}, {'id' : 2 ,'name' : 'Ak -47', 'stock' : 10}, {'id' : 3 ,'name' : 'granade', 'stock' : 2}, ] @app.route('/') # 홈디렉토리에 접근할경우 def hello_flask(): return 'HE..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. 1. 클라우드 기초¶ 클라우드란 ?¶ 과거에는 인터넷 환경에서 서비스를 제공하기 위해 서비스 제공자는 서비스 호스팅에 필요한모든 것을 직접 구축했음 예를들어, 데이터센터 (물리적 공간 : 서버컴퓨터 놓는 공간 이라던지), 서버, 저장소, 네트워크, 전기, 온도, 습도 등 관리를 계속 해줘야하고 , 또 관리인력이 필요했음. 서버를 직접 구축하고, 운영하는 자원과 인력비용이 너무 컸음 IDC의 등장 ( Internet Data Center)¶ 서버운영에 필요한 공간, 네트워크, 유지 보수 등의 서비스를 제공함 서버 임대를 통해, 자원을 효율적으로 이용하고, 비용을 줄일 수 있지만, but, 결국 서버임대를 통해..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. MISSION II¶ 2. Kaggle에서 Dataset을 찾고, 이 Dataset에서 유의미한 Feature를 3개 이상 찾고 이를 시각화해봅시다.¶ In [1]: import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline In [4]: egg_df = pd.read_csv('./GallusGallusDomesticus.csv') In [6]: egg_df Out[6]: GallusID GallusBreed Day Age GallusWeight GallusEggCol..

필자도 배우는 입장이라 틀린점, 잘못된 점이 있을 수 있습니다. 그러니 지적, 피드백 환영합니다. Mission : It's Your Turn!¶ 1. 본문에서 언급된 Feature를 제외하고 유의미한 Feature를 1개 이상 찾아봅시다.¶ with Survived Hint : Fare? Sibsp? Parch? 2. Kaggle에서 Dataset을 찾고, 이 Dataset에서 유의미한 Feature를 3개 이상 찾고 이를 시각화해봅시다.¶ 함께 보면 좋은 라이브러리 document numpy pandas seaborn matplotlib 무대뽀로 하기 힘들다면? 다음 Hint와 함께 시도해봅시다:¶ 데이터를 톺아봅시다. 각 데이터는 어떤 자료형을 가지고 있나요? 데이터에 결측치는 없나요? -> 있다면..