Hayden's Archive

먼저 텐서플로우(Tensorflow)와 Graphviz 의 설치가 필요하다. ( 참고 : Graphviz는 운영체제와 연결되는 라이브러리가 들어가야 하므로 파이썬으로 못 만든다. 파이썬에서 사용할 수 있는 라이브러리지만 파이썬으로 만들어진 건 아니고 C++로 만들어져있음. ) DataLoader 어떤 데이터를 다루는지에 대해 데이터에 대한 정확한 이해를 해야 함. 사전적인 데이터에 대한 이해는 필수적. DataFrame Visualization Seaborn Visualization Shuffle & Split 1. 현실적으로 데이터의 수가 부족해서 테스트를 마음껏 못 돌림. 학습의 데이터로 80%로 가져가고 테스트 데이터로 20% 가져감. 2. 섞어준다. 셔플 Model Generator and Tra..

결정 트리(Decision Tree) 의사를 결정. - Tree를 거꾸로 뒤집으면 이 모양이 됨. * 분류의 방법 => 분류한다는 것은 나눈다는 얘기 이진 분류(Binary Classification) => 이거 아니면 저거. 다중 분류(Multi-label Classification) => A,B,C 중 어디야? 회귀(Regression) => x가 90~10 사이니? y값이 어디보다 크니 작니 자료 출처 : https://towardsai.net/p/programming/decision-trees-explained-with-a-practical-example-fe47872d3b53 맨 위를 Root Node라고 하고 맨 끝을 Leaf Node / Terminal Node 라고 함. 중간 마디를 Int..

머신러닝이란? 머신러닝을 하기 위한 핵심적인 3가지 요소 AI / Machine Learning / Deep Learning 지도학습 / 비지도학습 / 강화학습 Training Model / Inference Model(Test Model) / Underfitting / Overfitting Forward Propagation Back Propagation 하이퍼 매개 변수(Hyperparameter) 머신러닝 하면서 쓰게 되는 파이썬 오픈소스 데이터셋 사람이 프로그램을 짤 때는 explicit하게(명료하게, 명시적으로) 짜야 함. 기계가 학습할 수 있는 능력을 부여. 우리 입장에서는 기계가 어떻게 학습하는지 explicit하게 알 수 없음. 기계가 어떻게 하는지 모르겠..

인공지능 => 파이썬, 수학 image generator하는 기술 -> 상상할 수 없는 수학적 공식 들어감. back propagation -> 딥러닝 전체 3~4번째로 어려움. 수학. 머신에서 어떻게 작업하는지 알 수 없음... Black Box => AI 깊게 들어가면 이런 이유로 학습에 어려움이 있음. => But 이런 것들 없이 접근 가능. 걸림돌이 아님. 만만하게 보지 말고 천천하게 갈 것. 한번에 깊이 못 봄. 코드 이해한다고 해서 이해가 안 됨. 코드는 간단하지만 그 안에서 작업들이 일어나는지에 대한 개념을 머릿속에서 그려야 함. 내부적으로 어떻게 돌아가는지 기본적인 것들을 최대한 이해해야 함. 머신러닝 파트, 딥러닝 파트 둘 다 인공지능인데 머신러닝의 서브셋이 딥러닝. 더 깊게 들어감. 이..