- 전체보기(79)
- mysql(34)
- 프로그래머스(15)
- C(8)
- TCP/IP(7)
- 신경망(5)
- IS NULL(4)
- 네트워크(4)
- c언어(4)
- ransomware(3)
- ifnull(3)
- sql(3)
- .NET(3)
- IS NOT NULL(3)
- mnist(3)
- 신경망 학습(2)
- WHERE(2)
- 배열 확장(2)
- 행렬(2)
- 입양 시각 구하기(2)
- AES(2)
- 활성화 함수(2)
- 랜섬웨어(2)
- CEE(2)
- 소켓 프로그래밍(2)
- 수치 미분(2)
- C# 배열 늘리기(2)
- C# 암호화(2)
- 밑바닥부터 시작하는 딥러닝(2)
- 최댓값(2)
- 프로토콜(2)
- C# 랜섬웨어(1)
- numpy(1)
- 서브쿼리(1)
- ORDER BY(1)
- 배열(1)
- sigmoid(1)
- 순전파(1)
- Mean Squared Error(1)
- 모든 레코드 조회하기(1)
- 교차 엔트로피(1)
- 배치 학습(1)
- 동물의 아이디와 이름(1)
- 입력층(1)
- 말웨어(1)
- 평균 제곱 오차(1)
- Minute(1)
- 제곱자승법(1)
- flutter(1)
- INSERT(1)
- 기울기(1)
- 역순 정렬하기(1)
- 소프트맥스(1)
- sum(1)
- 편향(1)
- 복호화(1)
- softmax function(1)
- 3층 신경망(1)
- 다중 클래스 분류(1)
- FROM(1)
- 어린 동물 찾기(1)
- group by(1)
- 손글씨(1)
- 중심 차분(1)
- overfitting(1)
- 총합(1)
- softmax(1)
- 숫자 인식(1)
- 출력층(1)
- 딥러닝(1)
- 테이블 수정(1)
- 동적 컴파일(1)
- 배치 처리(1)
- Test Data(1)
- 데이터 그룹(1)
- 집계함수(1)
- 손실 함수(1)
- C# AES(1)
- 최댓값 구하기(1)
- 상위 n개 레코드(1)
- 다중 분류(1)
- 훈련 데이터(1)
- python(1)
- 그룹(1)
- 편미분(1)
- 손글씨 숫자(1)
- python flask(1)
- distinct(1)
- 인식(1)
- MSE(1)
- 숫자(1)
- ip(1)
- 시그모이드(1)
- 과적합(1)
- Cross Entropy(1)
- TRUNCATE(1)
- ALTER(1)
- CREATE(1)
- 인공신경망(1)
- 중앙 차분(1)
- 합(1)
- 동명 동물 수 찾기(1)
- 손글씨 숫자 인식(1)
- 설치(1)
- second(1)
- REST API(1)
- json(1)
- C# 파일 복호화(1)
- RijndaelManaged(1)
- 가중치(1)
- dart(1)
- 오버피팅(1)
- hour(1)
- ASE 파일 암호화(1)
- Step Function(1)
- iOS(1)
- 렐루(1)
- as(1)
- delete(1)
- select(1)
- Just In Time(1)
- IFNULL 함수(1)
- 중복 제거하기(1)
- NULL 처리하기(1)
- 뉴런 수(1)
- 데이터베이스(1)
- JIT(1)
- 함수(1)
- 계단 함수(1)
- ReLU(1)
- count(1)
- 테이블(1)
- C# AES 복호화(1)
- 해석적 미분(1)
- update(1)
- MySQL CREATE(1)
- 퍼셉트론(1)
- JVM(1)
- 시험 데이터(1)
- 미분(1)
- 다차원(1)
- 컴파일(1)
- C# json(1)
- 이름이 있는 동물의 아이디(1)
- 확장 메서드(1)
- 정렬(1)
- activation function(1)
- max(1)
- 다차원 배열(1)
- 경사법(1)
- 암호화(1)
- 이름이 없는 동물의 아이디(1)
- 모든 파일 경로(1)
- 멀웨어(1)
- app(1)
- db(1)
- Flask(1)
- SHOW TABLES(1)
- 변수(1)
- LIMIT(1)
- 데이터베이스 확인(1)
- 중복 제거(1)
- 고양이와 개는 몇 마리 있을까(1)
- 제곱자승합(1)
- Database(1)
- SHOW DATABASES(1)
- Mini batch(1)
- hour 함수(1)
- CEE 미니배치(1)
- AVG(1)
- 아픈 동물 찾기(1)
- batch training(1)
- loss function(1)
- 탐색(1)
- min(1)
- 수정(1)
- Cross Entropy Error(1)
- datetime(1)
- malware(1)
- 미니배치(1)
- 동물 수 구하기(1)
- DISCTINCT(1)
- android(1)
- 테이블 확인(1)
- 인터프리터(1)
- average(1)
- 최솟값(1)
- Training Data(1)
- 파일 암호화(1)
- 전방 차분(1)
- INTO(1)
- 신경망 특징(1)
- 사용자 정의 변수(1)
- 소프트맥스 함수(1)
- 뉴런(1)
- Neural Net(1)
미분과 기울기
해석적 미분과, 컴퓨터에서 해석적 미분과 근사한 미분값을 얻기 위해 사용하는 수치 미분, 특정 매개 변수를 함수의 최솟값 방향으로 조정하기 위해 사용하는 편미분에 관해 이야기하며, 신경망에서 기울기가 가지는 의미와 함수의 최솟값을 찾기 위해 사용되는 경사법을 소개한다.
미니 배치 학습
미니 배치와 미니 배치 학습의 개념을 설명하고, 미니 배치의 평균 교차 엔트로피 오차를 전체 학습 데이터에 대한 평균 교차 엔트로피 오차의 근삿값으로 사용할 수 있음을 설명한다.
손실 함수
예측 정확도를 매개 변수 갱신의 지표로 사용하지 않는 이유를 소개하며 손실 함수의 필요성을 설명한다. 이어 평균 제곱 오차(Mean Squared Error, MSE)와 교차 엔트로피 오차(Cross-Entropy Error, CEE) 손실 함수를 소개한다.
신경망 학습 개요
신경망과 다른 기계학습 방법론 간의 중요한 차이점을 알아보며, 훈련 데이터와 시험 데이터를 구분해 사용하는 이유를 모델의 범용성과 과적합의 관점에서 알아본다.
신경망으로 손글씨 숫자 인식하기
신경망을 이용해 MNIST 데이터셋의 데이터를 가지고 추론 처리를 구현해 본다. 신경망의 학습에 대해서는 다루지 않고, 이미 학습된 모델의 가중치와 편향을 그대로 가져와 추론 처리만을 해볼 것이다.
3층 신경망 구현하기
행렬곱을 적절히 활용하면 신경망의 동작을 단 몇 줄의 코드로 나타낼 수 있다. 행렬곱을 활용해 3층짜리 신경망을 구현해 보자.
신경망과 활성화 함수
단층 퍼셉트론, 다층 퍼셉트론, 신경망의 차이를 활성화 함수의 관점에서 알아보며, Step Function, Sigmoid Function, ReLU에 관해서도 알아본다. 또한 뉴런으로 층을 쌓는 혜택을 보고 싶다면 비선형 함수를 사용해야 함을 설명한다.
Numpy와 matplotlib
딥러닝을 구현할 때 사용되는 배열/행렬 등 연산을 numpy.array의 메서드를 통해 쉽게 처리할 수 있도록 도와주는 Python 라이브러리, Numpy와 그래프 그리기, 데이터 시각화를 지원하는 matplotlib 라이브러리에 대해 알아본다.
JIT(Just-In-Time) Compile이란?
주로 인터프리터 방식 언어에서 프로그램 실행 속도 향상을 위해 도입하는 JIT 방식 컴파일에 대해 간단히 알아봅니다.
[프로그래머스 SQL 고득점 Kit] NULL 처리하기
모든 동물의 ANIMAL_TYPE, NAME, SEX_UPON_INTAKE를 ANIMAL_ID순으로 정렬하되, NAME이 NULL인 경우 "No name"으로 표시되도록 하라는 문제이다.
[MySQL] NULL의 처리(IS NULL, IS NOT NULL, IFNULL())
IS NULL, IS NOT NULL, IFNULL() 함수에 대해 간단히 알아봅시다.