티스토리

데린이를 위한 데이터레시피
검색하기

블로그 홈

데린이를 위한 데이터레시피

zhining.tistory.com/m

초보자를 위한 인공지능, 데이터분석, 파이썬, 통계, 자연어처리, 빅데이터 자료 정리

구독자
8
방명록 방문하기
공지 안녕하세요? 데이터 요리사, 루나입니⋯ 모두보기

주요 글 목록

  • 이메일 작성을 위한 챗GPT 프롬프트 작성 Tip 1. 요청 메일 "[누구]에게 [어떤 내용]으로 메일을 보내려고 한다."를 기본 뼈대로 활용해되, [누구]에 대한 정보와 [어떤 내용]에 대한 정보를 상세하게 할수록 작성되는 메일의 퀄리티가 높아진다. [외부 전문가]에게 [인터뷰를 요청하는] 메일을 작성해줘 [대학교 교수님]이고, [국내 AI 산업 현황과 과제]에 대해 물어보려고 [인터뷰 요청] 메일을 작성해줘 [오랜만에 이슈가 발생해서 기존 고객에게 우리 회사의 신제품 관련 소개]를 하기 위한 [미팅을 요청]하는 메일을 작성해줘. 2. 제안 메일 요청은 나와 상대방이 어떤 일에 대해서 함께 진행하는 것이 이미 협의가 되어있는 상황인 경우가 많다. 제안은 조금 결이 다르다. 상대방이 준비가 되어있지 않은 상태에서 함께 업무를 하기 위해 설득을 하는 과정.. 공감수 1 댓글수 1 2023. 7. 14.
  • 머신러닝 분류 모델의 평가 지표 - 정확도, 정밀도, 재현율, 민감도, F1 스코어 1. 머신러닝 모델의 '평가' - 학습이 완료된 모델이 예측한 값과 실제값이 얼마나 일치하는지를 계산하여 모델의 성능을 판단. - 이 때 사용하는 데이터는 학습 이전에 미리 분할해 두었던 테스트 셋임. - 머신러닝의 기법(분류 모델이냐? 회귀 모델이냐? 군집 모델이냐?)에 따라 평가 지표는 달라짐. 2. 분류 모델의 평가 방법 - 분류 모델의 성능을 평가하기 위한 가장 기본적인 방법은 정확도(Accuracy)임. - 정확도 이외에 재현율, 정밀도, F1 점수 등이 있고, 데이터와 모델이 어디에 사용되느냐에 따라 성능 지표를 제대로 설정해야함. - 무작정 정확도가 높다고 좋은 모델이 아님. - 각 성능 지표를 이해하기 위해서 가장 기본이 되는 혼동행렬에 대한 이해가 필요함. 3. 혼동행렬(Confusion.. 공감수 0 댓글수 0 2023. 7. 14.
  • ChatGPT 질문에 방법론, 참조모델의 프레이밍을 활용한 사례 1. 참조 모델, 방법론의 Best Practice를 확인하자. 참조 모델이란 특정 분야나 산업에 사용되는 고수준의 구조와 공통 용어를 제공하는 프레임워크를 지칭함 참조 모델은 특정 산업이나 분야에 대한 이해와 공통 용어를 제공하고, 시스템/프로세스/제품 등을 만들고 평가하기 위한 가이드 역할을 담당함 참조 모델은 일반적으로 산업 분야의 협회나 조직에 의해 개발 및 유지되며, 방법론, 표준, 가이드라인과 함께 사용되어 조직의 전반 적인 효율성을 개선시키는 역할을 담당함 방법론이란 문제 해결, 작업 완료, 목표 달성을 위해 체계적이고 구조화된 접근 방식으로 특정 결과를 달성하기 위해 수행되는 프로세스나 행동의 절차, 기술, 도구, 모범 사례의 집합을 지칭 프로젝트 관리, 소프트웨어 개발, 연구 및 비즈니스.. 공감수 0 댓글수 0 2023. 7. 14.
  • 챗GPT 열풍, 대화형AI 개발 경쟁 심화 2023년 2월 2주차 주간동향리포트에서 발췌한 내용입니다. 챗GPT,출시 2개월만에 1억명 사용 미국샌프란시스코 소재 스타트업 오픈에이아이(OpenAI)사가 2022년 12월 발표한 AI기반 챗봇챗GTP(ChatGPT)가 전세계적으로 큰 이슈가되고 있음. 챗GPT는 GPT(GenerativePretrained Transformer) 언어모델을 기반으로하는 AI기반 챗봇으로 딥러닝 기술을 사용하고, 대화하는 형태를 통해 인간과 유사한 응답을 생성함. 챗GPT는 훈련된 방대한 양의 데이터 덕분에 마치 사람 같은 응답을 생성하는 기능이 사용자들에게 매우 인상적으로 느껴지고 있으며, 기존에 컴퓨터가 할 수 없다고 생각했던 일을 해내고있음. 틱톡(TikTok)은 1억명의 사용자를 달성하는데 9개월이 걸렸고 인스.. 공감수 1 댓글수 0 2023. 7. 14.
  • ChatGPT, 제대로 질문하는 방법(좋은 프롬프트 예시) 1. 맥락(Context) 정보를 제공하자 예시1) 커피머신 광고 문구를 작성해줘. 예시2) 아래 사항을 고려해서, 커피머신 광고 문구를 작성해줘. 목표 : 신혼부부를 위한 커피머신 제품 판매 확대 제품 특징 : 캡슐 하나로 아메리카노, 카페라떼를 만들 수 있음 이벤트 : 이번 달까지 40% 할인 커피머신 광고 문구를 작성하는 배경에 대한 정보와 커피머신의 특징을 알려주면 훨씬 더 쓸만한 응답을 만들어낼 수 있습니다. 2. Tone & Manner를 지정하자 예시3) 아래 사항을 고려해서, 커피머신 광고 문구를 전문적인 어조로 작성해줘. 목표 : 신혼부부를 위한 커피머신 제품 판매 확대 제품 특징 : 캡슐 하나로 아메리카노, 카페라떼를 만들 수 있음 이벤트 : 이번 달까지 40% 할인 전문적인, 친절한,.. 공감수 0 댓글수 0 2023. 7. 14.
  • 프롬프트 엔지니어링(Prompt Engineering)이란? ChatGPT 제대로 사용하는 방법 안녕하세요. 데이터 요리사, 루나입니다. 오늘은 ChatGPT에 대한 이야기를 해보려고 합니다. ChatGPT 써본 사람은 많아도 제대로 사용하는 사람은 그리 많지 않은 것 같습니다. 저도 마찬가지구요. 막상 질문하려고하면 딱히 머라고 입력해야할 지도 모르겠고, 머리 속이 멍~해지더라구요. 제가 물어보는 질문이 허접해서 그런지 돌아오는 대답도 애매모호하고 답답했습니다. 어떻게 하면 ChatGPT와 같은 생성형 AI에게 질문을 잘 할 수 있을지, 프롬프트 엔지니어링에 대해서 알아봅시다. 1 프롬프트란 무엇인가요? 프롬프트란 chatGPT와 같은 인공지능 서비스와 대화를 시작하기 위해 사용자가 제공하는 텍스트를 의미합니다. 사용자가 생성형 AI와 의사소통을 하는 중요한 수단이기 때문에 생성되는 응답의 방향성.. 공감수 0 댓글수 0 2023. 7. 13.
  • AI, 데이터분석 정보를 한 곳에! AI/데이터 분석 맵 * 지속적으로 업데이트 중입니다. * 하이퍼링크를 클릭하시면, 상세 설명이 작성된 페이지로 이동합니다. 개념 이론 - AI/머신러닝/딥러닝 용어설명 - 지도/비지도/준지도학습 - 강화학습 - 머신러닝과정이해 - R vs Python - python 라이브러리 - 무료강의 추천 인공신경망은 어떻게 동작하는가 활성화함수 손실함수 역전파 수집 전처리 시각화 알고리즘 평가 - 웹크롤링 - 오픈데이터 - Task별 유명한 오픈데이터 셋 - 이상치 - 결측치 - 데이터 클린징 vs 피처 엔지니어링 - 두 개의 데이터를 합치는 방법 - 막대그래프 - 선그래프 - box plot - 여러 개 그래프 한꺼번에 그리기 - 괜찮은 시각화사례1 - 트리 - 랜덤포레스트 - 그래디언트부스트 - 선형회귀 -분류 모델 평가 -회귀.. 공감수 0 댓글수 0 2022. 4. 6.
  • [노트필기로 정리하는 소공] 통합버전 목차 1. 개요 - 소프트웨어의 정의, 특징 2. 소프트웨어 개발방법론 7가지 3. 소프트웨어 개발 프로세스(SDLC) 4. 소프트웨어 개발 프로세스(상세) : 요구사항분석 - 설계 - 개발 - 테스트 - 유지보수 공감수 0 댓글수 0 2022. 2. 20.
  • [데이터전처리 08] - Feature Engineering vs Data Cleansing, 용어 정리 안녕하세요. 데이터 요리사, 루나입니다. Feature Engineering, Data Cleaning 다 비슷비슷해보이는데요. 어떤 차이점이 있을까요? 1 Feature Engineering Feature Engineering을 우리말로 번역하면 '특징 공학'이라고 할 수 있습니다. Feature라는 것이 일반적으로 학습할 때 사용할 데이터 중 독립변수(X)에 해당하는 데이터를 의미하죠? Feature Engineering은 주어진 Feature를 변형하여 타겟(종속변수, Y)값을 더 잘 설명할 수 있도록 변환하는 것이 목표입니다. Feature가 의미가 있으려면 Feature(X)는 모델의 Target(Y)과 올바른 관계가 형성되어야합니다. 예를 들어 선형모델의 경우, 종속변수와 독립변수간의 선형 관.. 공감수 0 댓글수 0 2022. 2. 20.
  • 복잡한 수식과 코드는 이제 그만! 내가 필요한 것만 배우고 싶다면? 데이터 레시피로 시작하세요! 데이터 레시피는 데이터 분석, 인공지능을 이제 막 시작하시려는 분들을 위한 공간입니다. 요즘은 어떤 직업을 가지고 있던 간에 데이터 분석이 필수가 되어버린 시대가 되었습니다. 저 역시 전혀 관련없는 일을 하다가 갑자기 인공지능과 데이터 분석을 시작한 케이스인데요 다음 중 하나라도 해당한다면, 데이터 레시피로 시작해보세요! 공부하고 싶으면 무료로 컨텐츠가 널려있는 세상, 어디서부터 시작해야할지 감을 잡을 수가 없다! 나는 책도 목차부터 읽는 스타일! 큰 그림을 잡고 공부를 시작하고 싶다! 차근 차근 개념 잡아가면서 공부할 시간이 없어, "미국 여행갈 때 꼭 알아야하는 영어표현 100가지"처럼 액기스만 알고싶다 수학, 통계, 프로그래밍.. 배울 것이 끝이없어, 내가 필요한 부분만 골라서 배우고 싶다! 지겨운.. 공감수 2 댓글수 0 2022. 2. 20.
  • [컴퓨터비전10] 자율주행자동차의 핵심 알고리즘, 객체 인식(Object Detection) 기본 개념 정리 안녕하세요. 데이터 요리사, 루나 입니다. 자율주행 자동차는 실시간으로 주변의 객체를 인지하고, 상황을 판단해서, 차량을 제어하는 엄청난 기술의 총 집합체라고 할 수 있습니다. 이번 글에서는 주변의 객체를 인지하는 기술인 '객체인식(Object Detection) 알고리즘'에 대해서 정리해봅시다. 1 객체인식(Obeject Detection)이란? Multiple object + Classification + Localization 객체인식은 결국 2 category classification 문제: O(찾고자 하는 객체), X(찾고자하는 객체가 아닌 경우) 객체인식 분야의 주요 알고리즘 Proposal 단계 有: RCNN(Region CNN), Fast RCNN, Faster RCNN, RFCNN, M.. 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전7] ResNet(ILSVRC 2015 top1) 안녕하세요. 데이터 요리사, 루나 입니다. 이번 시간에는 딥러닝 구조에 Residual 열풍을 이끈 'ResNet'에 대해서 정리하겠습니다. 1 ResNet이란? 마이크로소프트에서 개발한 CNN구조로 2015년 ILSVRC에서 에러율 3.57%로 1위를 차지한 신경망 총 152개의 레이어로 구성: Conv. block + Identity block 논문: Deep Residual Learning for Image Recognition 2 ResNet의 주요 특징 Skip connection(Identifu mapping) 구조 일정 이상의 Conv. layer 추가 시 학습 성능의 저하 발생함 Lower level의 피처를 재사용하여 성능을 개선하고, 기울기 소멸 문제를 완화 weight에 대한 loss.. 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전6]GoogLeNet(ILSVRC 2014 top1) 1. 개요 구글에서 개발한 CNN구조로 2014년 ILSVRC에서 에러율 00%로 1위를 차지한 신경망 총 22개의 레이어로 구성 2. 특징 인셉션(Inception) 모듈(Parallel filters concatenation) 다른 사이즈의 필터(1x1, 3x3, 5x5)를 사용하는 컨볼루션을 병렬로 연결하여, 다른 특징을 추출하도록 함 split - transform - merge 전략 총 9개의 인셉션 모듈 사용 Bottleneck 구조(1x1 filter) 연산 시 발생하는 bottleneck을 제거하기 위해 채널 차원의 차원 축소를 진행 피처 추출 능력은 없으나, 컨볼루션 연산 시 비선형성을 더함 보조 분류기 분류의 변별력을 높이기 위해, 역전파 시 gradient signal을 증가하도록 2.. 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전5]VGGNet(ILSVRC 2014 top2) 1. 개요 영국의 옥스포드 대학교에서 개발한 CNN구조로 2014년 ILSVRC에서 에러율 00%로 2위를 차지한 신경망 총 16개의 레이어로 구성 : 13 Conv layer + 3 FC layer VGG16, VGG19 2. 특징 3 x 3 커널만을 사용한 Conv. Layer 사용 기존에는 Receptive Field를 넓혀주기 위해 7x7 커널이나 11x11 커널을 사용한 Conv. layer를 첫 레이어로 적용했음 3x3 커널을 여러 번 적용 시, 같은 Receptive Filed를 가지면서 ① 비선형성은 증가하고, ② 가중치 수는 적어지는 장점이 있다는 것을 발견 3. 구조 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전4]AlexNet(ILSVRC 2012 top1) 1. 개요 캐나다의 토론토 대학교에서 개발한 CNN구조로 2012년 ILSVRC에서 에러율 16.4%로 1위를 차지한 신경망 총 8개의 레이어로 구성 : 5 Conv layer + (3 Pooling layer) + 3 FC layer 2. 특징 1990년에 Yann Lecun이 개발한 LeNet과 동일한 구조(5 conv layer)이지만, 1000개의 카테고리를 갖는 컬러 이미지(color image)를 분류할 수 있도록 학습 2개의 GPU간 통신을 할 수 있도록 구성 ReLU 적용 Data augmentation FC layer에서 Drop out 수행 Xavier initalization 적용 3. 구조 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전3]CNN 연산 시 사용하는 메모리, 파라미터 계산 ci-1 = 이전 층의 채널(필터) 수 ci = 현재 층의 채널(필터) 수 mi-1 = 이전 피처맵 사이즈 mi = 현재 피처맵 사이즈 k = 필터 사이즈 구분 유형 수식 설명 Storage 파라미터 수 k x k x ci-1 x ci = 가중치 수 . 학습 이후에 메모리에 저장되는 값 뉴런 수 mi x mi x ci = 메모리 사용량 . 학습이 완료된 신경망을 사용하여 추론(reference)할 때 차지하는 메모리 사이즈 Computational OPS (FLOPS) k x k x mi x mi x ci-1 x ci . 추론과정에서 연산 속도에 영향을 줌 . 학습과정에서는 그리 중요하지 않음 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전2]CNN을 설정하는 하이퍼파라미터 이해하기 구분 하이퍼파라미터 비고 Conv. Layer 레이어수 Receptive Field가 입력 이미지 크기를 충분히 커버하도록 설정 필터 크기 홀수로 설정 필터 수 2의 지수승으로 설정 stride 1보다 크게 설정할 할 경우, 연산 속도가 빨라지지만 정보손실이 발생함 padding 피처맵 사이즈와 입력 사이즈를 동일하게 하고 싶을 경우 설정 Pooling Layer 레이어 수 window 크기 stride padding FC Layer 레이어 수 노드 수 Back Propagation learning rate batch number momentum coefficient L2 coefficient 공감수 0 댓글수 0 2021. 12. 13.
  • [컴퓨터비전1]CNN(Convolution Neural Network) 한 장 요약 정리! 1. CNN이란? "이미지 처리에 탁월한 성능을 보이는 인공신경망" '셀마다 특정 자극에 반응하는 생물학적 구조를 반영한 지도 학습 기반의 피드 포워드 신경망'이라는 표현을 이해할 수 있다면 이 표현이 CNN에 대한 좋은 정의라 할 수 있겠다. 이게 무슨 멍멍이 소리냐 싶으면, '이미지 처리 할 때 자주 쓰는 신경망이다'라고 기억해두시길. (참고) 이미지 처리? 이도 엄밀히 말하면 '컴퓨터 비전' 분야라고 표현하는 것이 올바르다. 사람의 눈(시각, vision)에 해당하는 역할을 컴퓨터에 구현한 것이니 다루는 데이터의 유형이 '이미지'인 것이다. '컴퓨터 비전' 분야에서 연구하는 대표적인 분야는 이미지 분류(Classification), 이미지 분할(Segmentation), 객체 인식(Object De.. 공감수 0 댓글수 0 2021. 12. 13.
  • [데이터 전처리 07] - 데이터의 누수"Data Leakage"를 바로 잡자! 안녕하세요. 데이터 요리사, 루나입니다. 데이터 누수(Data leakage) 현상은 학습모델에 성능을 높이기 위해서 며칠 밤샘하다가 이것저것하다가 저지르기 쉬운 현상 중 하나입니다. 모델의 성능이 갑자기 너무 좋아졌다? 한번에? 갑자기? 이래도 되는거야? 데이터 누수를 한 번 의심해보세요. 데이터 누수를 막기 위해서는 대단한 수식이 적용된 전처리기법을 적용해야하는 것도 아니고, 닭이 먼저냐 데이터의 인과관계를 깊이있게 고민하는 과정이 필요합니다. 1 예제로 이해하기(1)! - Target leakage 캐글의 유명한 대회중 하나인 Bike sharing demand의 데이터를 예로 들어볼께요. 이 대회는 워싱턴 DC의 Capital Bikeshare 프로그램에서 사용할 자전거 대여 수요량을 얼마나 잘 .. 공감수 0 댓글수 0 2021. 11. 30.
  • 역전파 알고리즘(Backpropagation), 오차역전파법 -정방(Feedforward) 연산 이후, 에러(Error) 예측값과 실제값과의 오차를 후방(Backward)으로 다시 보내줌으로써, 많은 노드를 가진 MLP라도 최적의 Weight와 Bias를 학습하는 기법 -가중치들(wn) 각각에 대해 별도로 경사하강을 관찰하고, 누적오차 감소에 가장 큰 기여를 하는(기울기가 가장 가파른 쪽의) 가중치 한 개 값을 이동시키는 방법을 반복하여 해를 찾아 가는 기법 -다중퍼셉트론의 은닉층 학습의 한계를 해결: 출력층의 오차를 역전파하여 은닉층을 학습 1)전파(propagation)단계 학습 벡터로부터 실제 출력값을 출력하고, 목적값(target value)와 실제 출력값의 차이인 오차를 계산하여 각 층에 전달 2) 가중치 수정단계 전파된 오차를 이용하여 가중치를 수정 V.. 공감수 0 댓글수 0 2021. 11. 30.
  • 경사하강법(Gradient Descent Method) 손실함수(Loss Function)의 최소값을 찾는 옵티마이저(Optimizer)의 한 유형 손실함수의 최소값을 찾기 위해 경사가 하강하는 방향으로 조금씩 이동해가면서 검토를 반복하는 기법 (신경망의 연결 가중치 최적화) 기법 설명 특징 확률적 경사 하강법 (SGD, Stochastic Gradient Descending) 매개변수의 기울기를 구해, 기울어진 방향으로 매개변수 값을 갱신하는 일을 반복하여 최적의 매개변수 값을 추출하는 기법 -무작위로 골라낸 데이터에 대한 경사 하강 기법 -(단점)급격한 변곡점이 있는 경우 SGD 한계 모멘텀 (Momentum) 기존에 사용한 기울기의 일정 비율(%)을 현재의 기울기에 반영하는 속도(Velocity)의 개념을 적용하여 진동과 폭을 줄인 경사 하강 기법 -관.. 공감수 0 댓글수 0 2021. 11. 30.
  • 신경망 학습 매커니즘 신경망학습은 활성화함수를 이용하여 다층으로 학습을 이어가 계속 학습할 수 있도록하며, 가중치의 매개변수의 최적값을 자동으로 획득함. 이때, 가중치의 매개변수를 최적화하여 손실함수의 결과값을 가장 작게 하는 것이 학습의 목표임 Epoch(딥러닝을 수행하면서 학습데이터가 모두 소진되는 하나의 단위) 10,000개를 100개의 batch_size로 학습할 때, 100회가 1epoch [가중치 초깃값 설정 기법] 유형 설명 활성화 함수 Xaiver(사이베르) 초기값 앞 계층의 노드가 n개 일 때, 표준편차가 1/√n인 정규분포를 이용 선형함수 He 초깃값 앞 계층의 노드가 n개 일 때 표준편차가 √("2/" n) 인 정규분포를 이용 ReLU 비용함수(Cost Function), 손실함수 - 신경망 성능의 “나쁨.. 공감수 0 댓글수 0 2021. 11. 30.
  • 활성화 함수(Activation Function)-(1/3) -시냅스의 전기 신호 전달을 모방하여, 세타에 따라 출력값을 조정 및 다음 노드로 전달 하는 함수 -입력 신호의 총합 을 그대로 사용하지 않고, 입력 신호의 총합이 활성화를 일으키는지 아닌지를 정하는 역할로, 입력 신호를 규칙에 따라 출력 신호로 변환하는 함수 유형 도식 설명 항등함수 (identity function) -양극성이며 선형 연속 함수임 -입력의 가중합이 그대로 출력됨 경사함수 (ramp function) -단극성이며, 선형 연속 함수임 계단함수 (step function) -단극성 또는 양극성이진 함수이며, 디지털 형태의 출력이 요구되는 경우에 주로 사용됨 시그모이드 함수 (sigmoid function) -단극성 또는 양극성 비선형 연속 함수이며, 신경망 모델의 활성화 함수로써 가장 널리.. 공감수 0 댓글수 0 2021. 11. 30.
  • 인공지능의 연구 목적은 무엇인가? 아실로마 AI 원칙 (ASILOMA AI Principles) 아실로마 AI 원칙 23가지 (ASILOMA AI Principles) 인공지능 연구의 목적은 인간에게 유용하고 혜택을 주어야 하며, 인간의 존엄성/권리/자유/이상 등과 양립할 수 있어야 하며, 장기적으로 위험에 대응하고 공동의 이익을 위해 활용되어야 한다는 원칙 2017년 1월에 미국 캘리포니아 아실로마에서 열린 AI컨퍼런스에서 발표된 인공지능 개발 원칙 연구 이슈 (5) + 윤리 가치 (13) + 장기 이슈 (5) 1 연구이슈 원칙 설명 연구 목표 -인공지능 연구의 목표는 방향성이 없는 지능을 개발하는 것이 아니라 인간에게 유용하고 이로운 혜택을 주는 지능을 개발해야 한다. 연구비 지원 -인공지능에 대한 투자에는 컴퓨터 과학, 경제, 법, 윤리 및 사회 연구 등의 어려운 질문을 포함해 유익한 이용을 .. 공감수 0 댓글수 0 2021. 11. 30.
  • 이미지? 음성? 소설책? 무엇이든지 만들어내는 인공신경망, GAN(Generative Adversarial Networks) 안녕하세요. 데이터 요리사, 루나 입니다. 인공지능이 어떤 아나운서처럼 똑같이 말을 하기도 하고, 유명화가처럼 그림을 그리기도 하고, 심지어 만화도 노래가사도 창작해냈다는 이야기는 많이 들어보셨을 거에요. 이번시간에는 새로운 컨텐츠를 만들어내는데 사용하는 'GAN(Generative Adversarial Networks)'에 대해서 살펴보겠습니다. 1 GAN이란? 이미지/영상을 생성하는 생성자(Generator)와 이미지의 진짜/가짜를 판별하는 판별자(Discriminator)가 상호 경쟁하며 정확성을 높이는 머신러닝 알고리즘 2 DCGAN(Deep Convolutional GAN) GAN알고리즘을 구성하는 Generator와 Discriminator 의 Fully connected layer를 CNN(.. 공감수 0 댓글수 0 2021. 11. 30.
  • [머신러닝] 분류 알고리즘 한 페이지 정리(로지스틱회귀, SVM, KNN, 결정트리, 앙상블) 구분 로지스틱회귀 SVM KNN 결정트리 앙상블 정의 독립 변수의 선형 결합을 이용하여 개별 관측치가 어느 집단에 속하는지 확률을 계산하여 분류 데이터들을 가능한 멀리 두 개의 집단으로 분리시키는 최적의 초평면 기반 분류 새로 입력된 데이터를 거리기반으로 클래스를 설정하여 분류 의사결정규칙을 도표화하여 관심대상이 되는 그룹을 몇 개의 소그룹으로 분류 여러 개의 분류기를 결합하여 성능 개선 개 념 도 주요 개념 - 선형분리 -마진최대화 -커널(데이터 차원수 늘림. 선형커널, RBF커널) -초평면, 서포트벡터, 마진 -하이퍼파라미터(k)값을 어떻게 설정하느냐가 성능을 좌우 -유클리드거리 - 해석이 쉬움 - 배치학습만 가능 - 학습과정 병렬화 가능 - 랜덤포레스트 - 배깅, 부스팅 공감수 0 댓글수 0 2021. 11. 30.
  • [DB] 데이터베이스 병행제어 다중 사용자 환경을 지원하는 데이터베이스 시스템 환경에서 여러 트랜잭션들이 동시에 수행되더라도 데이터의 무결성과 일관성을 보장하며 처리 가능하도록 병행 제어를 수행해야 한다. 다음 각 항목에 대하여 설명하시오. 1. 병행 제어의 필요성 다중 사용자 환경을 지원하는 데이터베이스에서 ACID를 보장하기 위해, 여러 트랜잭션들이 동시에 실행될 수 있도록 하는 병행 제어가 필요 - 병행 제어(동시성 제어)가 어려운 이유는 동시성(Concurrency) 과 일관성(Consistency)은 Trade-off 관계이기 때문 - 동시성을 높이려고 Lock 사용을 최소화 하면 일관성 유지가 어렵고, 일관성을 높이려고 Lock 을 적극적으로 사용하면 동시성이 저하됨 2. 병행 제어를 하지 않는 경우 발생하는 문제점 구분 .. 공감수 0 댓글수 0 2021. 11. 29.
  • [그림으로 정리하는] 딥러닝 연대표 공감수 0 댓글수 0 2021. 8. 13.
  • [그림으로 정리하는] 인공신경망 학습 매커니즘 공감수 0 댓글수 0 2021. 8. 13.
  • [예제로 개념잡기] 막대 그래프 (바 플롯, 바차트, Bar plot, Bar chart) 안녕하세요. 데이터 요리사, 루나 입니다. 분절형 데이터의 차이를 쉽게 파악하는데 도움을 주는 '막대 그래프(Bar plot)'에 대해서 살펴보겠습니다. 1 개념 잡기 수치를 길이로 표현해 절대값을 갖는 막대를 배치 분절형 시간 시각화: 시간에 따른 트렌드와 경향성을 확인 점 : 하나의 점은 X-Y축 좌표의 위치로 표시 가로 축: 시간 순서대로 정렬된 시간의 특정 시점, 범주 세로 축: 그래프의 크기, 범위 2 막대 그래프에 꽂힌 건 무엇인가요? 막대그래프는 일상생활에서 자주 접할 수 있는 그래프라 친근한 느낌이 드는데요, 그렇다고 쉽게 그릴 수 있는 것은 아닙니다. 아래 예제는 어떤 항공사(NK)의 월별 항공편 지연 사례를 막대 그래프로 시각화한 사례입니다. 막대그래프를 그리기위해서 가장 좋은 데이터의.. 공감수 2 댓글수 0 2021. 8. 13.
    LIST
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.