Simple toy project

링크텍스트scikit-learn 예제 데이터셋 종류scikit-learn 모델 학습과 예측모델 성능 평가 지표용어 정리정의:머신러닝에서 가장많이 쓰이는 라이브러리.제공예제 테이터 셋:\-Toy datasets: boston, iris, diabetes, digits,

< 일단 그냥 만들어 보자 > {얼굴인식 카메라의 흐름 이해} {dlib라이브러리 사용} {이미지 배열의 인덱싱 예외 처리} {x,y좌표 수정을 통해서 벌어지는 상태를 보기}필수 기술프로젝트 수행 과정OpenCV활용 과 Image Pyramids동영상 처리, 검출

링크텍스트

인간이 갖고 있던 고유한 언어적 특성을 인공지능이 얼마나 구현하고 수행하고 있는지에 대해서 알 수 있었다.1.시퀀스\-정의 : 순서가 있는 데이터 구조 입니다.\-종류 : 리스트, 튜플,기타 등등i)리스트:다양한 데이터를 담을 수 있고 데이터 변경도 가능:대괄호(,

제가 컴퓨터를 통해서 저의 얼굴과 유사한 이미지를 찾으려면 컴퓨터에게 어떤 벡터공간에서 표현하고자 싶은 정보를 사용할 수 밖에 없습니다.그 정보는 연예인의 얼굴과 제 얼굴이 닮은지 파악하는 방법은 두 얼굴 벡터 사이의 거리가 얼마나 되나로 귀결됩니다.그리고 사진은 고차

참여 사이트 : https://www.kaggle.com/c/2019-2nd-ml-month-with-kakr/data 필요한 라이브러리 xgboost = 1.3.3 lightgbm = 3.1.1 missingno = 0.4.2 scikit-learn Basel

텍스트 감성분석(Text Sentimental Analysis) 정의: 텍스트에 나타난 주관적 요소인 긍정과 부정을 판별한 후 정량화하는 작업. 기본요소: 감성 표현, 대상(개체) 단계: i) 데이터 수집 단계 :인터넷 매체에서 정보를 수집

정의: 두 개의 렌즈가 맡은 역할을 하나로 구현.(이미지 세그멘테이션 기술 이용)방식 i) 배경이 있는 셀카 촬용 ii) 시멘틱 세그멘테이션으로 피사체와 배경 분리 iii) 블러링 기술로 배경 흐리게 하기iv) 피사체 합성이미지 세그멘테이션픽셀 단위로 관심 객체 추출모

링크텍스트추천시스템의 개념과 목적을 이해한다.Implicit 라이브러리를 활용하여 Matrix Factorization(이하 MF) 기반의 추천 모델을 만들어 본다.음악 감상 기록을 활용하여 비슷한 아티스트를 찾고 아티스트를 추천해 본다.추천 시스템에서 자주 사용되는

링크텍스트

Code : 데이터셋 : 링크텍스트 의료 영상 종류 X-RAY 전자를 물체에 충돌 시켜서 발생하는 복사선 부위별 명암이 다르다 CT X-RAY를 빠르게 회전하여 3D이미지 만들어낸다. MRI 강한 자기장을 사용하여 신체 기관 이미지 생성

파일 위치 찾기파일 입출력사용법\*파일 열기\*파일 읽고 쓰기\*경로 분석\*실행한 스크립트 폴더 경로 얻기\*현재 위치한 파일/폴더 얻기\*현재 위치에서 존재하는 모든 파일/폴더 얻기링크텍스트RNN 계열 모델 적용GRU 성능 > LSTMEmbedding Layer 사

간단 코드: 링크텍스트정의: 시간 순서대로 발생한 데이터의 수열수식:전제 조건: 과거의 데이터에 일정한 패턴 발견과거의 패턴은 미래에도 동일하게 반복즉, 안정적 데이터에 대해서만 미래 예측이 가능시계열 데이터의 통계적 특성이 변하지 않는다.일정 조건평균분산공분산Cova

링크텍스트

간단 코드: 링크텍스트

Baseline: 링크텍스트CODE: 정의: 저해상도 영상을 고해상도 영상으로 변환하는 작업방식: 고해상도 이미지 준비 -> 특정 처리 과정 -> 저해상도 이미지 생성 -> 입력 -> 고해상도 이미지 복원문제: i) ill-posed(inverse) problem:

Transformer Encoder구조 활용Layer개수는 12개 이상 늘리고, 파라미터 전체적 증가Decoder없이 모델 학습 시킬 수 있는 이유: Mask LM, LSP존재이전의 NEXT Token Prediction Language Model과 대비 시켜 알맞은

정의: 입력받은 사진 속 문자의 위치 찾기정의: 찾은 문자 영역으로부터 문자 읽기가려진 케이승 대한 데이터셋 확보Augmentation활용정의: 이미지 속 물체를 찾아내는 것정의: 기준 박스 대비 문자 박스의 차이를 구하여 학습정의: 픽셀 단위로 해당 픽셀이 어떤 특성

CGAN Review GAN 특징 조건이 없는 생성모델 내가 원하는 종류의 이미지를 바로 생성하지 못함 목적함수 Generator : 가짜 데이터를 진짜 데이터라고 예측하도록 학습시킨다. 최소화 관점으로 학습