복습

인공지능 응용sw 개발자 양성 교육 프로그램 김기희강사님 수업 정리 글입니다.목차운영체제의 기능virtualbox 네트워크shell의 역할ssh서버리눅스명령체계디렉토리종류파일 및 디렉토리 관련명령용어정리운영체제의 기능운영체제는 MAPPER 판안에서 운영하는 컴퓨터 핵심

목차1\. 파일 및 디렉토리 링크2\. 파일검색 관련명령3\. 파일의 내용출력 4\. 필터5\. 사용자관리6\. 권한관리 7\. 파티션 8\. yum9\. vi편집기유닉스나 리눅스 시스템에서 경로의 이름이 매우 길고 복잡하여 간단하게 이름을 붙여서 사용함으로써 작업의

목차networkjava 실행환경 구축하기전세계 네트워크를 묶어 둔 것을 인터넷, wan이라고 한다.wan은 작은 네트워크 그룹(lan, intranet, network(작은 의미 network)으로 구성 ibtranet은 기업체가 사용하는 인터넷lan안에 호스트pc가

목차1\. database2\. sql3\. shema터미널에서 쉘 프롬포트가 명령을 입력받고 실제 머신으로 하여금 작업을 수행하고 그 결과를 출력한다.명령을 입력하기 위한 프롬포트가 필요하다. mysql이 database관리시스템을 하여금 명령을 입력하기 위한 프롬포

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 김기희 강사님 수업 정리 글입니다.목차1\. sub query(서브쿼리)2\. view3\. transaction(트랜젝션)4\. 데이터베이스 모델링서브 쿼리는 하나의 쿼리 구문 내에서 또 다른 쿼리를 사용하는 구문을

목차 시리즈와 데이터프레임의 데이터 처리 열의 자료형 바꾸기와 새로운 열 추가하기 format

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.넓은 데이터데이터프레임의 열은 파이썬의 변수와 비슷한 역할을 한다.데이터프레임의 열이 옆으로 길게 늘어선 형태가 넓은 데이터라고 한다.melt메서드지정한 열의 데이터를 모두 행으로 정리

데이터 내용 파악데이터 정보 확인 - 대분류, 중분류 같이 있으면 안 된다. 개별 데이터만 있어야 한다.첫 번째 줄은 서울 전체 (서울특별시)두 번째 줄은 해당 구별 (서울특별시 종로구)세 번쨰 줄은 해당 동별 (서울특별시 종로구 청운효자동)\-> 데이터 분리하는 작업

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.

installpip install folium 을 anaconda prompt에 입력https://geojson.io/choropleth maps

데이터 내용 파악데이터 정보 확인 - 대분류, 중분류 같이 있으면 안 된다. 개별 데이터만 있어야 한다.첫 번째 줄은 서울 전체 (서울특별시)두 번째 줄은 해당 구별 (서울특별시 종로구)세 번쨰 줄은 해당 동별 (서울특별시 종로구 청운효자동)\-> 데이터 분리하는 작업

새싹 교육 프로그램 '서울시 공공데이터를 활용한 데이터 분석' 김자영 강사님 수업 정리글입니다.파이썬에서 데이터를 조작/분석하기 위한 라이브러리행/열로 이루어진 테이블 형태의 데이터를 다룬다.엑셀로 다루지 못하는 대용량 데이터를 다룰 수 있다matplotlib, sea

curl -v -X GET "https://dapi.kakao.com/v2/local/search/address.json" \\ \-H "Authorization: KakaoAK ${REST_API_KEY}" \\ \--data-urlencode "quer

런타임 설정 → 연결gpu가 cpu보다 빠름. gpu 계속 연결하면 안 된다.집에서는 gpu 연결하는 것 비추수업 교재: 백견불여일타 딥러닝 입문 with 텐서플로우 <svg xmlns="http://www.w3.org/2000/svg" height="

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.load_data()This is a dataset of 60,000 28x28 grayscale images of 10 fashion categories,along with a tes

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.딥러닝은 차원이 제각각이라서 몇 차원으로 맞춰야 하는 지 잘 정해야 한다. 이럴 때 이렇게 쓴다 정도만 알아두기단순히 데이터를 펼쳐서 사용하기 때문에 각 이미지 픽셀의 관계를 고려하지

validation data는 새로운 데이터과적합 방지하기 위한 배치 정규화, 규제 사용, 드롭 아웃 등등 사용딥러닝은 엄청나게 많은 데이터를 수집해야 제대로된 학습이 된다. 데이터가 부족하면 기존에 있는 데이터를 증식하는 방법도 있다.이미지 데이터의 데이터 증식이미지

<svg xmlns="http://www.w3.org/2000/svg" height="24px"viewBox="0 0 24 24" width="24px">

한 이미지에서 객체와 그 경계 상자(bounding box)를 탐지객체 탐지 알고리즘은 일반적으로 이미지를 입력으로 받고, 경계 상자와 객체 클래스 리스트를 출력경계 상자에 대해 그에 대응하는 예측 클래스와 클래스의 신뢰도(confidence)를 출력자율 주행 자동차에

https://github.com/ivangrov/ModifiedOpenLabellingconda 가상환경 설정, GIT Bashcommand prompt라벨링하고 싶은 이미지를 C:\\gitdir\\ModifiedOpenLabelling 위치에서image폴더

인코딩 utf-8 -> ANSI 바꿈cd ..git clone https://github.com/ultralytics/yolov5cd yolov5pip install -qr requirements.txtpython detect.py --weights yolov

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.연기 데이터셋: https://public.roboflow.com/object-detection/wildfire-smoke/import yamlwith open('/conten

유인성, 22/11/15리스트 내포 list comprehensions리스트 이름 = \[표현식 for 반복자 in 반복할 수 있는 것"range(0, 20, 2)의 요소를 i라고 할 때 ii로 리스트를 재조합해 주세요"반복가능한 것을 기반으로 새로운 리스트를 만들어내

46p 머신러닝에서 여러 개의 종류(=class) 중 하나를 구별해 내는 문제를 분류라고 한다. 2개의 클래스 중 하나를 고르는 문제를 이진 분류라고 한다. 데이터의 특징을 특성(=feature)라고 한다. 알고리즘이 구현된 객체를 모델이라고 한다. 2차원 리스

혼자 공부하는 머신러닝 + 딥러닝 464p합성곱 신경망은 특히 이미지에 있는 특징을 찾아 압축하는 데 뛰어난 성능이 있다.합성곱 층은 여러 개의 필터를 사용해 이미지에서 특징을 학습한다.각 필터는 커널이라 부르는 가중치와 절편을 가지고 있다. 보통 절편은 큰 의미 없다

교재 308p 회귀는 여러 개의 독립변수와 한 개의 종속변수 간의 상관관계를 모델링하는 기법을 통칭한다. 독립변수의 값에 영향을 미치는 것을 회귀 계수라고 한다. 머신러닝 관점에서 독립변수는 피처에 해당되며 종속변수는 결정 값이다. 머신러닝 회귀 예측의 핵심은 주어진

컴퓨터 스스로! 학습! -> 머신러닝머신러닝 안의 한 형태 -> 딥러닝머신러닝 - 지도 학습, 비지도 학습, 강화 학습레이블 = 정답답을 주고 학습 -> 지도학습 -> 예측분류 -> 이상값에 대한 결과회귀 -> 결과값이 연속값으로 나오는 것회귀를 이해하면 딥러닝을 이해

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.레이블 인코딩 : 카테고리 피처를 코드형 숫자 값으로 변환하는 것원-핫 인코딩LableEncoder 클래스로 구현LableEncoder를 객첼 생성한 후 fit()과 transform(

교재 150p정밀도는 예측값 1기준으로 판단 (fp+tp) -> 분모tp / fp + tp재현율은 실제값 1기준으로 판단 (fn+tp) -> 분모tp / fn + tp정확도 = 내가 맞춘 개수 / 전체 데이터 개수균형이 안 맞은 이진 분류일 때는 정확도가 높게 나와 정

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.bagging : 전체 데이터에서 샘플 데이터를 추출해서 (중복 추출 가능) decision tree의 각각 예측값이 나오는데 이를 합쳐서 최종 예측값 측정중복데이터 추출 가능 부트스트

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.교재 308P입력값(=독립변수, feature, 피처),입력변수들 사이에 관계성이 있다면 다중공선성문제라고 한다.결과값(=종속변수)독립변수의 변화에 영향을 받아서 종속변수라고 한다.상관

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 심선조 강사님 수업 정리 글입니다.모델 쓰는 방법은 비슷하지만데이터 전처리를 어떻게 하느냐에 따라 달라진다. 기본 공통 상황은 1. null값처리 2.글자->숫자 3.분류면 이진분류에 따라 처리, 회귀면 숫자 크기에

conda명령어는 anaconda prompt에서 사용cmd와 비슷하게 생김, 차이점은 (base)자연어처리용, 이미지처리용 라이브러리 충돌자연어처리 넘파이 2.6이상 필요 이미지처리 넘파이 1.5이하 필요하면 충돌하면 안 되기 때문에 가상환경으로 따로따로 만들어한다.

png

네이버 뉴스 스크래핑하는 중 에러 발생에러 : 현재 연결은 원격 호스트에 의해 강제로 끊겼습니다코드가 아닌 것을 속이기 위해 headers를 사용함headers웹서버 요청을 대신 해 준다. 나 코드아니고 크롬이야~headers = {"User-Agent":

rnn내부구조return_Sequences=True출처:https://brunch.co.kr/@linecard/324https://ratsgo.github.io/natural%20language%20processing/2017/03/09/rnnlstm

단어장에서 MARKER들이 먼저 나오고 내가 찾은 단어들이 나와야 한다.line.strip() = 줄바꿈vocab_list가 들어오면 딕셔너리 2개(단어, 숫자)를 만든다. 기술 영업(영업팀), FAE(기술영업, 개발팀, 개발팀) - 개발자rnn은 마지막 단어가 제일

출력 중에 중요한 attiention만 고른다.i가 들어가면 i love가 나오고i love가 들어가면 i love you가 나와야 한다.i는 u가 중요하다뭐를 중요하게 봐야 하는 지 추천 = softmaxrnn을 걷어낸다?i love you = 인코더나 너를 사랑해

mask는 한 문장에서 한 단어를 '마스킹테이프'한 것 처럼SparseCategoricalCrossEntropy을 그냥 쓰는 것이 아니라 mask를 적용해서 사용일반rnn에서 mask를 사용하지 않으면 횡설수설하게 된다.seq2seq는 횡설수설 안 하는 편인 이유는 m

버트의 핵심은 분류인코더는 하나의 덩어리로 만들어 주는 것파이프라인 - huggingface모델을 간단하게 쓸 수 있다.

목차 데이터 분석의 목적과 흐름 - 데이터 분석가의 역량 분야를 정해서 깊게 공부를 해야 한다. 과정을 많이 듣는 것은 중요하지 않다. 자격요견 중에 하나도 해당 안 되는 것이 현실이다. 데이터 분석 플로우 데이터 수집 데이터 탐색 데이터 전처리 데이터 모델링

목차 조건문 1. 조건문 프로그램의 흐름 = 컴퓨터가 어떤 일을 해야 하는 지에 대한 과정. 프로그램에서 가장 중요한 조건 판단이다. if if 안에 else가 들어가면 실행이 안 된다. -> 컴퓨터는 한 줄 한 줄 읽고 똑같은 변수를 선언하면 변수 초기화가 된다.

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 나예진 강사님 수업 정리 글입니다. (나예진 강사님 이메일: nayejin11@gmail.com)목차1\. lambda2\. 패키지, 모듈, 함수의 관계도3\. numpy4\. pandasinline function,

새싹 인공지능 응용sw 개발자 양성 교육 프로그램 나예진 강사님 수업 정리 글입니다. (나예진 강사님 이메일: nayejin11@gmail.com)목차1\. 데이터크롤링2\. api를 활용한 데이터 크롤링json: 블로그 검색은 검색 API를 사용해 네이버 검색의 블로

SOUND: 소리acoustics: 음향, hifi(오디오)speech: 음성(발화,청취) - 서비스 현장(고객 응대) 신호처리(전자과 2학년), 신호와 시스템, 디지털 신호처리speech recognition : 학부 고학년, 전자과 대학원 기본신호처리파이썬 기본

analog to digital converter cd음질 44100hz, old전화기: 8000hz, 음성: 16000hz, 고급 192000hz진폭 표현력 8bit, 16bit, 24bitsin, cos : 정현파, sinusoidal signal임펄스(Impul

tacotron2 Eebedding, Encoder Decoder LSTM 사용 device(type='cuda') 'https://pytorch-tutorial-assets.s3.amazonaws.com/VOiCES_devkit/source-16

∇ : 델 연산자σ : 활성화 함수∂ : 편미분λ : lambda≈ : 근사값Θ : theta∅ : 파이