티스토리

코딩포트폴리오

검색하기

블로그 홈

코딩포트폴리오

7-coding.tistory.com/m

코딩입문시작 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

머신러닝2 14주차 ▶ 이번 학습 시간에는 Decision Tree, 결정트리에 배워볼 예정이다. 교수님께서 특별히 앙상블이랑 결정트리는 더더욱 코드 부분에 신경을 쓰라고 하셨다. 여기 부분도 개념이 상당히 이해하기 (?) 어려웠기 때문에 개념과 코드에 집중해볼 예정이다. 모델 해석 : Black Box VS White Box [시험출제 PART]Black Box는 딮러닝에서의 모델을 말한다. 결과값을 원하는 형태로 도출할 수 있지만 특정 근거를 들어 결과가 왜, 어떻게 나왔는지 설명하기 어렵고 알 수 없다. 그래서 설명하지 못할 경우, 신뢰도를 잃는다는 단점 및 한계가 존재한다.White Box는 머신러닝에서의 모델을 말한다. 결과값을 원하는 형태로 도출할 수 있으며, 판단의 근거를 제시할 수 있고 과정을 확인할 수 있다.. 공감수 0 댓글수 1 2024. 12. 11.
머신러닝2 13주차 ▶이번 시간엔 앙상블이다. 여기서는 수업때 듣기로(?) 느낌으로, booting? voting? 그 개념만 확실히 잡으면 된다. 차차 같이 보자. 앙상블 (Ensemble)여러 모델이 동일한 문제를 해결하고 더 나은 결과를 얻도록 훈련시키는 기계 학습 패러다임이다. 주된 가설은, "약한 모델이 결합되면 더 좋은 모델을 얻을 수 있다" 이다.정밀도가 높다예측값들이 실제 정답(빨간 점)과 가까운 위치에 몰려 있는 상태를 의미한다.즉, 모델이 얼마나 정확히 정답에 가까운 값을 내놓는지를 나타낸다.편향(Bias)이 낮다고도 표현한다. 재현율이 높다예측값들이 서로 흩어져 넓게 퍼져 있는 상태를 의미한다.이는 모델이 얼마나 다양한 경우를 고려할 수 있는지를 나타낸다.분산(Variance)이 높다고도 표현한다.▶편향.. 공감수 0 댓글수 0 2024. 12. 11.
머신러닝2 12주차 ※ 제일 수업때 이해하기 어려웠던 부분이지 않을까 싶다... 정리를 하면서 우선 이해하는데에 초점을 맞출 예정이다...!!▶ 서포트 벡터 머신은 우선, 분류를 위한 지도학습 방법이다. 그리고 이상치가 많거나 데이터의 결과 형태가 다양할 때 사용된다.▶ 데이터가 다양하게 흩어져 있고 그 데이터들을 두 집단으로 가장 잘 구분하도록 선을 그어보는 것이 목적이다.서포트 벡터 머신 (SVM)퍼셉트론의 확장된 개념이다. 퍼셉트론 학습은 분류오차의 최소화이다. 하지만, 서포트 벡터 머신의 학습은 마진의 최대화이다. 장점으로는, 과적합되는 경우가 적고 고차원 분류 문제에 좋은 성능을 보이며 구조적이여서 매번 수행하여도 결과가 어느정도 비슷하다는 것이다.서포트 벡터 머신(SVM) [시험출제 PART]목적: 두 집단끼리 .. 공감수 1 댓글수 2 2024. 12. 11.
머신러닝2 11주차 ▶ 이번 시간에는, 기계학습의 방법 (지도학습) 중 신경망(Artificial Neural Network)에 대해 배워보았다.▶ 지도학습 중에서, 종속변수가 수치형 변수이고 모델을 통해 예측을 수행할 때에는 회귀분석으로 주로 하지만, 종속변수가 범주형 변수이고 모델을 통해 분류를 수행할 때에는 인공신경망, 서포트 벡터 머신, 결정트리, 등의 알고리즘이 있다.인공신경망 회귀분석을 확장하는 모델 Perceptron :하나의 뉴런을 가지는 간단한 형태의 신경망이다.→ 이진분류에 특화가 되어 있다. 퍼셉트론(Perceptron)은 인공신경망(Artificial Neural Network, ANN)의 기본 단위로, 인공신경망은 여러 퍼셉트론이 계층적으로 연결된 구조이다.신경망 [그림을 유심히 보자, 중간고사때처럼.. 공감수 0 댓글수 0 2024. 12. 11.
머신러닝2 10주차 ▶ 이번 시간에는, 지도 학습 중에서 기계학습의 회귀분석을 다뤄볼 예정이다.회귀분석으로는, 크게 2가지로 나뉠 수 있다.다중 회귀분석 (Regression) → 종속변수가 연속형이며, 예측을 목적으로 수행한다.로지스틱 회귀분석 (Logistic Regression) → 종속변수가 범주형이며, 분류를 목적으로 수행한다.로지스틱 회귀분석: 로지스틱 회귀 모델은 시그모이드 함수라고도 알려진 로지스틱 함수를 사용하여 예측값을 확률에 매핑해 0과 1로 도출한다.※ 코드는 뒤에 실습때 할 예정이다.모델 검정 [시험출제 가능성!! + 개념과 각각 구하는 방법을 알아야 한다.]종속변수가 수치형인 모델에서는 RMSE 값이나 R-Squared (설명력) 값을 통해 검정을 하지만, 범주형인 모델에서는 Accuracy(정확도.. 공감수 0 댓글수 0 2024. 12. 11.
머신러닝을 위한 통계학2 14주차(2) 회귀분석을 통한 모델의 유효성 검증: R^2(설명력)로지스틱 회귀분석을 통한 모델의 유효성 검증: 정확도, 민감도, 특이성confusionMatrix()Accuracy: 정확도 P-value[Acc > NIR]: 정확도가 No Information Rate보다 유의하게 높은지 여부를 나타내는 값이다. 예제의 경우, P-value가 1로서 정확도가 No Information Rate보다 유의하게 높다는 것을 의미한다.Kappa: 모델의 적합도를 평가하는 지표이다.Mcnemar's Test P-value: 두 분류 모델의 성능을 비교하는 데 사용되는 검정 방법이다.Sensitvity: 민감도Specificity: 특이도▶ 변수들의 화살표 길이는 해당 주성분의 분산 해석에 대한 기여도를 나타내는 것으로 길이가.. 공감수 0 댓글수 0 2024. 12. 9.
머신러닝을 위한 통계학2 14주차(1) 고유벡터: 방향고윳값: 영향력차원이 다른 벡터로 매핑하기 위해서는 직사각형 행렬이 필요하고, 직사각형 행렬을 통해 선형변환을 한다.대칭 행렬을 인위적으로 만드는 방법기존 행렬 A에 전치행렬을 두면 대칭인 정사각형 행렬이 된다.특이값 분해 SVD직사각형 행렬 A를 특이값과 특정한 구조로 분해하는 것이다. 고유값 분해 VS 특이값 분해고유값 분해: 주축을 이루는 벡터와 변화의 크기를 찾는 것이다.특이값 분해: 직교하는 벡터들과 그 방향에서의 크기를 찾는 것이다.주성분 분석?서로 상관관계를 갖는 변수들을 상관관계가 없는 새로운 변수로 변환하여 차원을 축소, 다시 말하면 변수의 수를 줄이는 방법이다. 이 때의 상관관계가 없는 새로운 변수들을 주성분이라고 한다.목적으로는, 상관관계를 갖는 변수들이 가지고 있는 총.. 공감수 0 댓글수 0 2024. 12. 8.
머신러닝을 위한 통계학2 13주차 다중공선성 확인?정량적 방법으로 vif()가 있다. ※ 독립변수가 마냥 많다고 좋은 것은 아니다. 상관계수가 -0.85값에서 편상관계수가 -0.307로 바뀌었다는 걸 해석하자면, 두 변수간의 제 3변수 영향을 받으면 음의 상관관계가 있는데, 제 3변수를 제거하면 관계성이 떨어진다는 얘기이다. 근데 여기서 유의하게 봐야할 점은 p.value값인데, p.value값이 0.05보다 큰 0.09값으로, 통계적으로 유의함이 떨어진다는 얘기이다. 로지스틱 회귀분석(Logistic Regression)선형 회귀분석과는 다르게 종속 변수가 범주형 데이터를 대상으로 하며, 데이터의 결과가 특정 분류로 나뉘기 때문에 일종의 분류 (Classification) 기법이다. [확률(오즈값) = 독립변수1 + 독립변수2 + 독립.. 공감수 0 댓글수 0 2024. 12. 8.
머신러닝을 위한 통계학2 12주차 공감수 0 댓글수 0 2024. 12. 8.
머신러닝을 위한 통계학2 11주차 소프트맥스 함수로지스틱 함수의 다차원 일반화 개념이다. 종속변수 상태가 3개 이상인 멀티 클래스 분류 문제에서 인공 신경망의 최종 Layer로 활용되는 함수이다.로짓 값을 그대로 사용하지 않고 확률값으로 변환하는 이유 (지수함수를 취하는 이유)값들 간의 차이를 더욱 두드러지게 하여 신경망 학습이 잘 되도록 하기 위해서이다.로지스틱 회귀분석이 필요한 경우종속변수가 이항 변수인 경우종속변수가 이항 변수의 특징을 갖는 경우회귀식의 설명력 의미종속변수의 변동을 어느 정도 설명하는가를 의미한다.편상관계수 ?다른 독립변수의 효과를 제거한 후 한 독립변수와 종속변수의 상관관계이다. 다중 공선성의 해결방안으로 편상관계수가 있다.편상관분석이 필요한 경우 및 목적 종속변수를 설명하는 독립변수로 고려하는 두 변수 간에도 명.. 공감수 0 댓글수 0 2024. 12. 8.
머신러닝을 위한 통계학2 10주차 회귀 (Regression)극단값이 다음 세대에서 평균 또는 평균에 더 가까워지는 경향을 설명하기 위해 사용하는 것회귀분석독립변수가 종속변수에 미치는 영향력의 크기를 파악하여 독립변수의 특정한 값에 대응하는 종속변수 값을 예측하는 선형모형을 산출하는 방법 예시) 매출액은 광고횟수에 따라 어떻게 변하는가? ▶이때, 독립변수: 광고횟수, 종속변수: 매출액 회귀식의 도출 및 활용회귀식을 이용하여 몸무게에 따른 키를 예측한다.회귀선이란?잔차의 절대값을 모든 관측치에 대하여 구한 다음, 그 합을 최소화하는 직선 최소자승법관측치와 회귀선과의 거리인 잔차 제곱의 합을 최소화하는 직선식을 찾는 방법잔차제곱의 합을 최소화하는 직선식을 구하는 방법 회귀식의 계수는 과연 HOW 어떻게 정할까? → 활성화 함수결정계수추정된 .. 공감수 0 댓글수 0 2024. 12. 8.
머신러닝을 위한 통계학2 6주차 회귀분석독립변수가 종속변수에 미치는 영향력의 크기를 파악하여 독립변수의 특정한 값에 대응하는 종속변수값을 예측하는 선형모형을 산출하는 방법변수들(벡터)간의 관계 정도 → 모델링 - (결과) → 함수 모델링 → 수학적인 방법으로 → 회귀식 X - [ ] - Y [ ] : 메커니즘 (모델) 모델링 하는 목적 : 원인(특성)들 특성을가지고 결과특성을 예측 및 설명 모델링의 의미파라미터 값을 찾아내는 것모델링의 의미Y = a + b * X1 + c * X2 a, b, c : 파라미터 (매개변수)→ 파라미터값을 찾아내는 것 input - [ ] - output : input데이터가 들어갔을 때 임계값에 도달해야만 output 데이터값이 나온다.→ 이러한.. 공감수 2 댓글수 0 2024. 10. 28.
머신러닝을 위한 통계학2 5주차 더보기input --- 작동계(=시스템) --- output input : 10g 및 10kg 돌, 독립변수 (원인) 작동계 : 호수 output : 파장 = 결과, 종속변수(결과) 평균, 분산 분산 → 종속변수(결과)에 대한! 10g에 대한 파장의 크기 파장의 크기 = 분산 * 분산 * → 크기 → 원인의 영향력 (중요성) 예시) 전략A → 판매량의 변화(분산) → 평균, 분산 v1벡터가 v2벡터보다 영향력의 크기가 크므로 (분산의 폭이 크므로) v1벡터가 고유벡터가 그 폭의 크기가 고윳값이다. 분산 → 고유벡터, 고유값 연관모집단-- 샘플링 → 표본 모집단 형태(특징)에 상관없이 형태는 정규분포 형태데이터 처리 → AI, 머신러닝 AI 전 : Rule-based (규칙 기반) → IF ~ tha.. 공감수 2 댓글수 0 2024. 10. 28.
머신러닝을 위한 통계학2 4주차 [2023 기출] 통계분석 시에 데이터에 대해 표준화를 해야 하는 두 가지 이유에 대하여 설명하시오.표준화를 하지 않으면 영향력(크기)를 나타내지 못한다. 표준화를 통해 모든 변수의 평균을 0, 표준편차를 1로 맞추면 동등한 영향을 주도록 할 수 있다.데이터의 크기에 영향을 받는다는 문제가 있기 때문이다.표준화를 하지 않으면 모델의 학습이 왜곡될 수 있다.[2023년 기출] 집단의 특성에 대한 추정이나 검정을 할 때 항상 유의수준을 기준하여 판정한다. 이때의 유의수준의 의미에 대하여 설명하시오.유의수준이란, 통계량을 이용한 통계적 판정 결과가 틀릴 가능성이다. 다른 의미를 갖는다라고 보는 기준이다.유의확률은 귀무가설의 통계량 값으로, 계산한 검정통계량 값에 해당되는 확률이다.[시험 출제 유력] 추정의 개.. 공감수 0 댓글수 0 2024. 10. 28.
머신러닝을 위한 통계학2 3주차 벡터공간 (vector space) 은 벡터의 선형결합으로 표현되며, 함수를 포함하여 모든 것을 벡터의 선형결합으로 표현할 수 있다.Dot Product : 두 벡터간의 연관성을 알 수 있다. 고유벡터는 변화의 주된 방향이다.고유값은 변화의 크기이다. 고유값이 클수록 변화 크기가 크다. ※ 고유백터끼리는 반드시 직교한다!!집단에서 특징을 파악하여 통계를 내야 한다. 그 특징에는 크게 2가지가 있다.중심 (대표성) : 평균산포 (변동성) : 분산, 편차 → 영향력 분산은 하나의 요인에 대한 변동이다.공분산은 두 요인에 대한 변동이다. → 두 요인이 독립관계일 때, 공분산은 존재하지 않는다. 공분산을 표준화시켜도, 분산적인 특징은 동일하다.det(A) : 선형모델의 행렬식 A로 인한 영역의 특징 (확대 or.. 공감수 0 댓글수 0 2024. 10. 28.
머신러닝을 위한 통계학2 2주차 두 벡터가 서로 독립일 때, 두 벡터는 수직 관계를 이루기 때문에 cos 값은 0이 나온다.벡터는 크기와 방향의 값을 갖는 데이터를 순서대로 나열한 것이다. 데이터를 벡터로 표현하면, 벡터를 이용하여 처리할 수 있다.※ 행렬은 벡터를 또 다른 벡터로 변환시키는 일종의 연산자 (영향력) 로 볼 수 있다.▶ 기저 벡터 변형을 통한 벡터의 선형변환행렬의 곱 또는 행렬과 벡터의 곱을 기저 벡터의 변형을 통한 벡터의 선형 변환으로 해석행렬식행렬식(det(A))은 해당 벡터로 만들어지는 영역으로서, 해당 벡터의 행렬식 값이 0이면 해당 벡터는 동일한 선상에 존재하는 벡터를 의미한다. Cartesian 좌표 : 서로 독립 → 사영을 하여, 유사도 측정에 사용한다. 행렬 A의 선형변환을 고유벡터와 고유값 성분으로 분해.. 공감수 0 댓글수 0 2024. 10. 27.
머신러닝을 위한 통계학2 1주차 지도학습 : 피드백 검증 O비지도학습 : 피드백 검증X강화학습 : 모델을 검증하는 피드백 메커니즘 포함 지식 : '무엇을 알고 있는지' 를 의미지능 : 지능은 문제를 해결하고 새로운 상황에 적응하며 학습하는 능력, 어떻게 문제를 해결 (의사결정) 하고 새로운 것을 배울 수 있는지를 의미지식과 지능을 서로에게 의존적이며, 함께 작용하여 효과적인 문제를 해결, 학습, 창의적 사고 등을 가능하게 한다. 머신러닝 VS 딥러닝머신러닝 : 인간 개입 O딥러닝 : 인간 개입 X 추론연역적 추론 : 일반원리로부터 시작하여 결론에 도달한다. 규칙을 중심으로 하며, 사전지식이 중심이다. (수학적 접근)귀납적 추론 : 경험이나 관측으로부터 시작하여 결론에 도달한다. 데이터를 중심으로 하며, 머신러닝에 쓰인다. 모형결정.. 공감수 2 댓글수 1 2024. 10. 27.
컴퓨터 비전 7주차(3) [학습목표]활성화 함수 알고리즘에 대해 설명할 수 있다.※ 퍼셉트론은 직선 하나로 나눈 영역만 표현할 수 있다는 한계가 있다.XOR게이트는 어떻게 표현을 해야할까? 단순 퍼셉트론은 불가능하다. 다층 퍼셉트론으로, 1층에 NAND와 OR로 처리를 하고 2층에 AND로 처리를 하면 XOR를 표현할 수 있게 된다.▶비선형적인 문제를 풀려고 하면 층이 깊어진다. 활성화 함수입력 신호의 총합을 출력 신호로 변환하는 함수입력 신호의 총합이 활성화를 일으키는지 정하는 역할을 한다.활성화 함수라고 하는 것은 입력 신호의 총합을 출력 신호로 변환해 주는 기능을 하는 것을 우리는 활성화 함수라고 할 수 있다. 즉, 입력 신호의 총합이 활성화를 일으키는지를 정하는 역할을 하는 것이 활성화 함수이다. 판별할 때 시그모이드를 .. 공감수 0 댓글수 0 2024. 10. 27.
컴퓨터 비전 7주차(2) [학습목표]구글 코랩을 활용한 6개의 클래스 분류 모델 추론을 따라할 수 있다. 공감수 0 댓글수 1 2024. 10. 27.
컴퓨터 비전 7주차(1) [학습목표]다중 이미지 분류에 대해 이해하고, 구글 코랩을 활용한 6개의 클래스 분류 모델 학습을 따라할 수 있다.데이터 증강 기술 ★ ★ ★ ★ ★ 데이터 증강기술은 훈련 데이터에만 적용된다 (시험출제)즉, 훈련 데이터의 양을 늘려줌으로써 과적합을 방지할 수 있게 된다.딥러닝) 층을 깊이 가져가다 보면 결과적으로 매개변수 값이 수천 개, 많게는 수만 개까지 늘어날 수 있다.즉, 매개변수가 많이 늘어난다는 얘기는, 그만큼 데이터양이 많아져야만 과적합이 발생하지 않는다.6과 9같은 데이터에는 특별히 조심해야 한다. (예시로, 회전 10%, ...)→ 모든 데이터에 동일한 데이터 증강 기법을 적용할 수 없다. 코랩을 왜 사용하는가? 실제로 학습을 할 수 있도록 작은 단위로 데이터를 나누고, 나누어지게 되면 .. 공감수 1 댓글수 0 2024. 10. 27.
컴퓨터 비전 6주차(3) [학습목표]인공신경망 알고리즘에 대해 설명할 수 있다.퍼셉트론퍼셉트론이라고 하는 것은, 1943년 맥크로취와 피트에 의해서 신경활동에서 생각의 논리적 계산이라고 하는 논문에서 처음으로 인공 신경망의 연구가 출발이 되었고 이러한 인공 신경망 출발을 하고 난 이후에 그로부터 한 10년 뒤, 로젠블렛에 의해 고안된 알고리즘이 바로 퍼셉트론이다. 이러한 알고리즘은 가중치 수정규칙으로 이진 분류기 학습이 가능하다고 하는 부분도 입증되었다.인공신경망의 기원이 되는 알고리즘퍼셉트론은 최초의 인공 신경망이고 단층 신경망으로써 선형 분류의 문제를 해결할 수 있다. 근데 문제가 발생했다. 퍼셉트론만으로는, 비선형적인 문제를 풀 수가 없다는 문제에 봉착하게 되었다. 퍼셉트론이 나오면서 첫 번째 인공지능에 관련된 황금기가 시.. 공감수 1 댓글수 0 2024. 10. 27.
컴퓨터 비전 6주차(2) [학습목표]구글 코랩을 활용한 폐렴 진단 추론을 따라할 수 있다. 추론을 해보는 과정 추론을 할 때 시험용 데이터를 이용해서 다시 모델을 평가할 수도 있는 것이고, 그 모델을 이용해서 어떤 새로운 이미지를 가지고 예측을 해볼 수 있는 용도로 사용할 수 있다. 그래서 앞에서 우리는 h5형식으로 모델을 저장해두었다.그럼 이 모델을 다시 메모리에 로딩을 해서 8층 신경망에 학습된 매개변수 값들을 초기화시켜줘서 새로운 데이터가 흘러갔을 때 예측이 잘 되도록 준비하는 것이 추론을 하는 준비 과정이 끝나게 되는 것이다. 공감수 1 댓글수 0 2024. 10. 27.
컴퓨터 비전 6주차(1) [학습목표]구글 코랩을 활용한 폐렴 진단 학습을 따라할 수 있다. 하이퍼 파라미터 값 설정batch_size : 데이터셋이 1000장의 이미지 데이터라 할 때, batch_size가 10이면 10장씩 100개 묶음으로 만든다는 얘기이다. ▶딥러닝은 굉장히 많은 하이퍼 파라미터가 생성되는데 데이터 수가 적으면 제대로 학습이 되지 않는다.인공신경망 학습순전파를 통해서 모델이 추론을 하게 되고 추론한 결과가 예측과 실제값의 차이, 즉 오차를 줄여나가는 방향으로 역전파를 하면서 이 중간에 들어가 있는 매개변수 값들을 갱신하는 과정이 인공 신경망의 학습이라고 보면 된다. 데이터 증강데이터를 바로 학습X, 데이터 전처리가 우선이 되어야 한다. 데이터 전처리는 이미지학습에 있어, ImageDataGenerator이라.. 공감수 0 댓글수 0 2024. 10. 27.
컴퓨터 비전 5주차(3) [학습목표]구글 코랩을 활용하여 학습된 모델을 이용한 개와 고양이 분류 모델 추론을 따라할 수 있다. 정확도가 80%미만일 경우 정확도를 올려줘야 한다.알고리즘 개선데이터 더 많이 수집 공감수 0 댓글수 0 2024. 10. 27.
컴퓨터 비전 5주차(2) [학습목표]이진 이미지 분류에 대해 이해하고 구글 코랩을 활용한 개와 고양이 분류 학습을 따라할 수 있다.이번에 핵심 내용 : 이진 이미지 분류 (Image Binary Classification) ★ 배치처리 (매우 중요)예시로, 1000장의 훈련용 데이터를 10장씩 나누면 100묶음이 된다. 이 100묶음을 다 1번 학습한 것이 1에폭이라고 부른다.컴퓨터가 병목 현상이 발생하지 않도록 적절한 양의 데이터들을 묶어서 처리해 줌으로써 우리가 조금 더 효율적으로 그리고 시간을 단축해서 우리가 원하는 결과를 얻어낼 수 있기 때문에 데이터를 미니 배치 학습하는 것이 굉장히 큰 장점이 있다고 보면 된다.배치 처리이미지 1장당 처리 시간을 대폭 줄여주며 컴퓨터로 계산할 때 큰 이점을 준다.수치 계산 라이브러리 .. 공감수 0 댓글수 0 2024. 10. 27.
컴퓨터 비전 5주차(1) [학습목표]구글 코랩 개발환경에 대해 이해하고, 구글 코랩 실행을 위한 환경 설정을 따라할 수 있다. 코랩 사용 이유: 구글코랩은 GPU를 제공해준다. 공감수 1 댓글수 0 2024. 10. 27.
컴퓨터 비전 4주차(3) [학습목표]텐서플로 완전연결층 프로그래밍에 대해 설명할 수 있다.패션MNIST 클래스가 10이니까, 출력층의 뉴런도 10개이다.그러면 기본적으로 흑백 이미지이니까 흑백 이미지의 픽셀은 0에서 255사이의 값이 들어가 있다. 훈련 → 정답이 있는 데이터를 가지고 훈련 Flatten 네트워크에는 입력을 그대로 한 줄로 만드는 것이기 때문에 필요한 매개변수는 입력의 크기이다. 앞의 예에서 2차원 (28*28) 입력을 1차원 (784)으로 변경하였고 2차원의 형상을 1차원으로 변형해 주는 역할을 하는 것이 Flatten 클래스가 하는 역할이다. 신경망에서는 다차원 배열이 매우 중요하다. 이미지를 다양한 각도로 해서 입력하는 것은 정확한 예측을 위해 필수작업이다. 특정한 특징이나 경향을 가진 데이터만 지나치게.. 공감수 1 댓글수 0 2024. 10. 27.
컴퓨터 비전 4주차(2) [학습목표]텐서플로 프로그램의 기초에 대해 설명할 수 있다. 단층 퍼셉트론 예시) 2개의 입력 값이 들어와서 각각의 가중치 값을 곱하고 활성화 조절 함수인 편향 값을 더해 주어서 신호 합산기의 결과를 활성화 함수에 태워서 나온 결과가 바로 이 모델이 예측한 결과이다. [텐서플로로 퍼셉트론 프로그래밍] 순전파와 역전파가 이루어질 때 순전파를 통해서 예측 값과 실제 값에 대한 차이가 바로 오차이다. 이 오차를 가중치에 어떻게 반영할 것이냐, 반영하는 방법을 우리가 옵티마이저라고 하는데, 이 옵티마이저는 가장 일반적으로 쓰이는 경사 하강법을 사용하겠다고 정해진 것이고 학습할 때 학습률은 0.1로 정해두었다. 활성화 함수 : 이 순전파를 통해서 예측 값을 구하기 위한 함수이다.예측 값을 구한다는 얘기는, 지.. 공감수 0 댓글수 0 2024. 10. 27.
컴퓨터 비전 4주차(1) [학습 목표]딥러닝 소프트웨어에 대해 알고 텐서플로의 개념에 대해 설명할 수 있다. 영상이 가득들어있는 외장하드디스크는 4차원이 여러 개 담겨있는 것이므로 5차원 (5차원의 텐서) 이라고 부른다. 텐서플로가 제공하는 데이터셋의 텐서 구조 : 10개의 클래스 각각 70000개 이미지 데이터 셋이 존재 → 10개의 이미지를 학습해서 10개의 이미지를 잘 분류하는 모델이 만들어질 수 있다고 이해하면 된다. (다중 분류의 문제) Fashion-MNIST : (60000, 28, 28) → (데이터의 개수, 세로의 크기, 가로의 크기), 채널이 없다, 채널이 없으므로 흑백 사진이 되는 것을 의미 1차원 데이터셋 : 뉴스 데이터처럼 텍스트 데이터 공감수 2 댓글수 1 2024. 10. 27.
Ch 01. 운영체제의 개요 [학습목표]- 운영체제의 정의, 역할, 목표를 이해한다.- 운영체제의 발전 과정을 통해 운영체제의 필요성을 살펴본다.- 운영체제를 구성하는 커널과 인터페이스를 살펴본다. 운영체제 (Operating System)일반 컴퓨터, 노트북, 스마트폰의 전원을 켜면 가장 먼저 만나는 소프트웨어PC 운영체제 : 윈도우, MAC OS, 유닉스, 리눅스, ...모바일 운영체제 : iOS, 안드로이드, ...컴퓨터라고 부르는 이유프로그래밍이 가능한 기계이기 때문이다.컴퓨터의 경우, 일반 기계와는 달리 성능을 높이거나 기능을 추가하려면 프로그램만 변경하면 된다.임베디드 운영체제스마트 시계, 스마트 TV, 스마트 자동차 등에 탑재된 컴퓨터를 특별히 임베디드 시스템이라고 부른다.임베디드 운영체제는 CPU의 성능이 낮고 메모리.. 공감수 15 댓글수 4 2024. 10. 26.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.