데이터시럽

비 선형적인 문제 해결 Input layer와 Output layer 두가지만으로 구분을 할 수 없다는 것을 깨닫고 둘 사이에 다른 것을 넣은 것을 연구하였고, 그것이 Multilayer 퍼셉트론이 만들어 졌다. 이 사이에 NAND, OR 등을 넣고 이들을 연결하는 방식으로 구성하였다. 이것의 경우, 선을 2개 그어서 이를 표현하였는데 XOR 연산은 하나의 레이어로는 표현하는게 불가능 하지만, NAND와 OR 연산을 함께하면 구분이 가능하다는 것이다. 이를 통해 다층 퍼셉트론이 만들어 졌다.그리고 중간에 있는것을 Hidden Layer라고 하여 만들어지게 되었다. Hidden Layer가 3층 이상일때 Deep Learning단어를 사용하게 된다. Hidden Layer층이 많을 수록 표현이 강력해진다고..

https://kdc-elice.imweb.me/ 엘리스 내일 패스, 가볍게 코딩 시작 엘리스 내일패스를 통해 파이썬, SQL을 활용한 데이터 분석부터 웹개발, R 등 핫한 개발 주제들을 쉽고 편하게 수강할 수 있습니다. kdc-elice.imweb.me 엘리스 코딩 내일패스 인공지능 과정을 수강하고 작성 퍼셉트론 선형 분류기 퍼셉트론은 간단하면서도 Powerful한 성능을 낸다. 사람의 신경계를 모티브로 가져온 모델로, 퍼셉트론이라는 작은 유닛이 모여서 인공신경망을 만들고, 사람의 지능을 따라할고 하는 인공지능을 만든다. 논리 회로의 정리 일정한 논리 연산에 의해 출력을 얻는 회로를 의미 And Gate A와 B 가 있으면 둘다 참이여야지 1이고 나머지는 0이다. OR Gate A와 B가 둘다 0이면 ..

https://kdc-elice.imweb.me/ 엘리스 내일 패스, 가볍게 코딩 시작 엘리스 내일패스를 통해 파이썬, SQL을 활용한 데이터 분석부터 웹개발, R 등 핫한 개발 주제들을 쉽고 편하게 수강할 수 있습니다. kdc-elice.imweb.me 엘리스 코딩 내일패스 인공지능 과정을 수강하고 작성 인공신경망 정의 딥러닝의 기본이 되는, 중심적인 개념은 인공신경망이며, Input 과 Output 사이의 안에 있는 여러가지 방법론을 표현함 Hidden layer가 인공신경망에서 가장 중요한 부분임 영감 자체는 생물학, 뉴런을 가지고 있고, activation이 되면 이를 활성화 시킴 인공 신경망의 특징 데이터가 들어가면 데이터의 회귀분석, 분류, 유의미한 패턴이 있다면 OUTPUT를 나타낸다. 이 ..

SELECT SELLER_ID, COUNT(DISTINCT ORDER_ID) AS ORDERS FROM OLIST_ORDER_ITEMS_DATASET GROUP BY SELLER_ID HAVING COUNT(DISTINCT ORDER_ID) >= 100;

SELECT A.ATHLETE_ID FROM RECORDS A, EVENTS B WHERE A.EVENT_ID = B.ID AND B.SPORT = 'Golf' GROUP BY A.ATHLETE_ID;

SELECT quartet , round(avg(x),2) AS x_mean , round(variance(x),2) AS x_var , round(avg(y),2) AS y_mean , round(variance(y),2) AS y_var FROM points GROUP BY quartet;

텐서플로 Pooling 풀링 레이어는 플래튼 이후에 사용되는 가중치의 개수를 적게 유지하기 위해 입력으로 사용할 칼럼 수를 조정하는 것이 목적임 맥스풀링의 원리 : (6,6) 사이즈의 이미지가 있다고 할 때, 그 절반인 (3,3) 크기의 사이즈로 이미지를 줄이는 것임 맥스풀링은 유의미한 정보를 남기면서 사이즈를 줄이는것이 목적 In [1]: import tensorflow as tf import pandas as pd In [5]: # 데이터를 준비하고 (독립, 종속), _ = tf.keras.datasets.mnist.load_data() 독립 = 독립.reshape(60000, 28, 28, 1) 종속 = pd.get_dummies(종속) print(독립.shape, 종속.shape) (60000, ..

컨볼루전(Conv2D) 컨볼루전은 이미지 처리 신호 분야에서 매우 유용한 도구임 이미치 처리에서 특정 패턴의 특징이 어느 부분에 등장하는지 파악하는데 사용함 특징 맵(feature map) : 대상 이미지로부터 필터를 통해 특징을 잡아냄 컨볼루전 필터 하나는 대상 이미지를 보고 특징 맵 이미지 하나를 만들게 된다. 필터 하나가 이미지 하나를 만듬 필터는 가중치로 이루어져 있고 컴퓨터는 특징맵을 만들어내는 컨볼루션 필터를 학습한다. 히든 레이어르 추가하는 것은 지정한 노드 개수 만큼 컴퓨터에 분류를 위한 가장 좋은 특징을 찾아 다랄고 요청하는 것임 Conv2D 실습 In [3]: # 라이브러리 사용 import tensorflow as tf import pandas as pd In [4]: # 데이터 준비..

텐서플로 플래튼 플래튼 레이어(Flatten Layer)를 활용한 이미지 학습 모델을 만들어 보자 플래튼은 영상을 일차원으로 바꿔주는 역할을 한다. 플래튼이 없는 모델과 있는 모델의 차이를 알아보자 In [30]: import tensorflow as tf import pandas as pd In [31]: # with reshape (독립, 종속),_ = tf.keras.datasets.mnist.load_data() 독립 = 독립.reshape(60000, 784) 종속 = pd.get_dummies(종속) print(독립.shape, 종속.shape) (60000, 784) (60000, 10) In [32]: # 모델을 만들고 X = tf.keras.layers.Input(shape = [784]..

이미지 데이터의 이해 차원의 이해 차원 : 칼럼의 관점에서 각 데이터들은 2차원 평면에서 점으로 표현될 수 있다. 여기서 변수를 하나 더 추가한다면, 3차원 공간이 된다. 즉, 칼럼의 갯수가 n개라면, n차원의 공간의 한 점으로 표현이 가능하다. 이미지 데이터 이미지 데이터는 숫자들의 집합이 2차원 형태로 이루어져 있다. 예를 들어 (28,28)가로세로가 이루어져 있다면, 이 안에 숫자는 두개를 곱한 784개의 숫자가 존재한다. 이러한 이미지가 6만장 준비되어 있다면 (60000, 28, 28)의 형태가 되는것이다. 흑백이미지와 다르게, 컬러 이미지는 숫자 집합이 3개 존재한다. 각각 R(red) G(green) B(blue) 3가지로 구성되는 숫자들이다. 컬러는 각 칸에 숫자가 3개씩 들어 있다. 빨강..