본문 바로가기

분류 전체보기

 (110)
파이썬 스터디 ver3. 14주차 2022.09.12~2022.09.16 구름 X 전주 ict이노베이션 스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 저 기간 동안의 강의에서는 앞에서 배운 딥러닝 기초(tensorflow v2), CNN위주의 실습들을 했습니다. 새로 알게 된 부분들 위주로 간단하게 정리하겠습니다. Tensorboard - callback으로 로그들을 넣을 폴더를 만들면, 그 로그들을 바탕으로 텐서보드에서 여러 지표와 그래프들을 보여줄 수 있당 Pycaret - setup을 사용하면 알아서 train/test split, 간단한 전처리 등이 수행된다.! 이는 이후 모델생성 등에 train/test등을 쓰지 않아도 알아서 적용된다! 너무너무 신기.. from pycaret.classification import * imp..
파이썬 스터디 ver3. 13주차 2022.09.05~2022.09.09 구름 X 전주 ict이노베이션 스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 학사일정으로는 시험기간이지만, 초과학기라 9학점 이수+시험보는 과목 없음으로 조금씩 조금씩 정리해나가려 합니다..! 빅데이터분석기사 실기 준비도 있고 (어쨌든)중간고사 준비겸 복습도 해야해서 학기중보다는 느리겠지만..ㅎㅠㅎ 화이팅 Tensorflow v2: tf.keras - 분류 프로세스 수행 1. Prepare data(MNIST dataset) #기본 세팅 import tensorflow as tf from tensorflow.keras import datasets, models, layers, utils, losses, optimizers import os os.environ['T..
파이썬 스터디 ver3. 12주차 2022.08.29~2022.09.02 구름 X 전주 ict이노베이션 스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 진도가 한달 정도 밀렸는데 이걸 언제쯤 따라잡을 수 있을까요... 취업이라는 거대한 벽이 점점 가까워져 오고 있음에, 그럼에도 점프할 역량이 아직 되지 않음에 갑갑할 뿐인 매일입니다. Activation Functions (활성함수) - "이전 레이어의 모든 입력에 대한 가중합"을 받아 출력값을 생성해 다음 레이어로 전달하는 비선형 함수 - 하이퍼파라미터 'activation'. Sigmoid, Tanh, ReLU가 대표적. - 과정: (이전 레이어에서 받은) 데이터와 세타(가중치)들의 선형결합 계산 -> 선형결합 결과에 활성함수 적용 Perceptrons - 단층 퍼셉트론(Single-..
파이썬 스터디 ver3. 11주차 2022.10.01 빅데이터분석기사 필기 준비내용 정리 (https://sy-log.tistory.com/ 님이 정리하신 내용을 토대로 공부하였습니다.) ver3이긴 하지만 사실상 부트캠프(온라인 코딩교육)내용은 없고.. 벼락치기 열심히 했던 빅분기 내용을 정리해보고자 합니다.! 어제, 대강 복원된 문제들로 가채점 해 보았을 때 모든 과목에서 과락은 확실히 넘긴 것 같습니다. 다만 합격여부에 대해서는 하늘에 달렸단 게 조금 웃플 뿐이에요. 그래도 실기 준비해서 나쁠 건 없잖아요? 필답형은 다 맞춘단 마인드. 1과목: 빅데이터 분석기획 정형 데이터: 스키마 구조 O, 고정 필드 O - 수집 기법: ETL, FTP, API, DB To DB, Rsync, Sqoop 반정형 데이터: 스키마 구조O, 고정 필드..
파이썬 스터디 ver3. 10주차 2022.08.22~2022.08.26 구름 X 전주 ict 이노베이션 스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 이번에도 사실 저 기간은 아니지만 9주차(저번 글)에 이미 저번 프로젝트 관련 내용을 정리했었던 바, 되는대로 하였습니다 천방지축 어리둥절 빙글빙글 돌아가는, 부트캠프 들으면서 프로젝트 진행하면서 학교 다니면서 빅분기 공부하는 메타몽의 파이썬 공부 정리입니다. 사실 저 중 뭐 하나 제대로 한 것이 없어 이렇게 정리하면.. 양심이 없는 거 아닌가.. 싶긴 하지만..하긴 했으니까..^^ 조금이나마 발화되지 않게 정리하는 데에 의의가 있죠. 있겠죠???? 원핫 인코딩: 범주형 표현을 0이나 1을 가진 특성으로 바꾸는 것. from sklearn.preprocessing import OneHo..
파이썬 스터디 ver3. 9주차 2022.08.15~2022.08.19 구름 X 전주 ict 이노베이션 스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 사실 저 기간은 아니지만.. 이번 프로젝트(세미프로젝트 3)로 정리해보겠습니다. 3차 팀프로젝트: 편의점 간편식 추천 (데이터 출처: 식품영양성분 DB 크롤링, 스크레이핑) df = pd.read_excel('/content/drive/MyDrive/Colab Notebooks/구름 프로젝트/FoodListExcel_20220822093231.xlsx', index_col='식품명') df.info() #데이터프레임 정보 확인 No와 에너지 kj단위와 총 포화지방산(%)은 크게 필요가 없어 보인다. 칼럼을 아예 드랍하자 df = df.drop(['No.', '에너지(kj)..
파이썬 스터디 ver3. 8주차 2022.08.08~2022.08.12 구름 X 전주 ict 이노베이션 스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 저번 주에 이어서 ML 정리 해보도록 하겠습니다! KNN(이어서) - 결정경계: 이웃 수가 적을수록 경계선은 복잡해지며(복잡도 상승), 많아질수록 경계선은 부드러워짐(복잡도 하락). - KNN 회귀: 여러 최근접 이웃 사용 시, 이웃 간 평균으로 예측하는 것. (연속적인 값인)데이터의 평균 유사도로 판단. x_train = np.array([ [0.5, 0.2, 0.1], [0.9, 0.7, 0.3], [0.4, 0.5, 0.7] ]) #데이터 y_train = [5.0, 6.8, 9.0] #타겟값 model = KNeighborsRegressor(n_neighbors=3, weight..
파이썬 스터디 ver3. 7주차 2022.08.01~2022.08.05 구름 X 전주 ict 이노베이션스퀘어의 온라인 코딩교육 내용을 정리하였습니다. 저번주에 SQL 관련 내용들을 거의 다 정리하였다고 보고, 나머지 SQL 내용은 생략하고 ML부터 시작합니다~ 인공지능Artificial Intelligence: 목표 성취의 가능성을 최대화 하도록 만든 (기계의)지능. 학습Learning: 데이터를 가장 잘 설명하는 모델을 찾는 방법. Model fitting 과정이라고도 함. - 이를 위해 1)초기 모델에 데이터를 넣고 2)결과를 평가해 3)결과 개선을 위해 모델을 수정하는 과정을 수행하기도 한다. 주로 결과 개선은 '실제 정답과 예측 결과 사이의 오차'(Loss, Cost, Error)를 줄여나가는 것을 말한다. ML을 적용한 인공지..

티스토리툴바