누워서 떡먹기 코딩

오늘은 광주인공지능학원에서 진행된 알파벳 맞추기를 진행하겠습니다 (본 글의 자료는 광주인공지능학원에서 제공되었습니다.) CNN 입력값 파라미터 (sample, height, weight, chanel) sample: 데이터의 수 height: 세로 weight: 가로 chanel: 1 (grayscale) 3 (RGB) 4(RGBA) * A 투명도 RNN 파라미터 (sample, timesteps, features) sample: 데이터의 수 timesteps: 몇 단계로 이루어 질것인지 내일 주식가격 예측을 위해서 과거 5일의 데이터를 가져옴: 5 나는 오늘 집에 가서 밥을 __: 5 features: 특징의 수 예를들어) 음악: 미 레 도 레 _ 음계: features: 1 음계, 박자: featur..

오늘은 광주인공지능학원에서 진행된 기초수업중 행렬과 벡터에 대해서 알아보려 합니다. (본글의 사진자료는 광주인공지능학원과는 관련이 없습니다.) 행렬 행렬(matrix)은 수를 직사각형의 형태로 나열한 겁니다. ​A라는 행렬이 있습니다. A에는 12개의 수가 직사각형의 형태로 나열되어 있죠? 여기서 이 하나하나를 A의 '원소'라고 부릅니다. A에는 총 12개의 원소가 있는 거죠. 행렬의 가로줄을 행, 영어로는 row라고 부릅니다. 그러니까 A는 총 3개의 행이 있는데요. 위에서부터 1행, 2행, 그리고 3행. 이렇게 있습니다. 행렬의 세로줄은 열, 영어로는 column이라고 부릅니다. A에는 총 4개의 열이 있습니다. 가장 왼쪽에서부터 1열, 2열, 3열, 4열. 이렇게 있습니다. 행과 열을 셀 때 0이 ..

스마트인재개발원이라는 광주인공지능학원에서 딥러닝을 배울 수 있습니다. 오늘은 광주인공지능학원에서 진행된 CNN강의 내용을 설명해볼겁니다. 영상자료를 처리하기 위한 신경망은 일반 신경망과 다르게 다음과 같은 특징이 있어야한다. 고차원 입력벡터를 처리하는 것 -> 영상자료가 고차원 입력벡터로 표현될수 있기때문 2차원 또는 3차원 영상자료를 처리하는 것 (흑백영상은 2차원, 컬러영상은 3차원) 조명이나 잡음 또는 위치변환, 크기 변환 및 회전 변환에 강건하거나 불변해야한다 이러한 특징을 가지는 신경망이 합성곱 신경망(CNN)이다. 즉, CNN은 영상자료를 처리하기에 적합하다 MLP 이미지 분석 MLP은 층이 깊어지고 뉴런의 수가 많아지면 가중치 수가 급격히 늘어난다. MLP 신경망을 이미지 처리에 사용한다면 ..

오늘은 광주인공지능학원에서 진행하는 최종프로젝트내용을 적으려고 합니다. 현재 제가 광주인공지능학원에서 진행하고 있는 프로젝트는 주식예측이기 때문에 재무재표를 분석할 필요가 있습니다, 따라서 재무제표정리를 해보려고 합니다. 기본적으로 재무제표는 DART에서 검색하여 볼 수 있습니다. http://dart.fss.or.kr/ 재무제표는 분기보고서 2개(1분기, 3분기), 반기 보고서 1개(2분기), 사업보고서 1개(4분기)로 이루어져있고 1, 2, 3, 4분기 모두 봐야 1년치입니다. 재무제표는 DART말고도 네이버 금융에서도 확인할 수 있습니다. 네이버 금융에서는 손익계산서, 재무상태표, 현금흐름표를 보여주며 영업이익률이나 순이익률 처럼 기업을 보는데 도움이 되는 지표를 정리하여 보여줍니다. [손익계산서]..

사용할 라이브러리 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense import pandas as pd import numpy as np import tensorflow as tf from sklearn import datasets from tensorflow.keras.utils import plot_model # 모델 시각화 와인데이터 분류 실습 wine데이터 셋 가져오기 wine = datasets.load_wine() 와인데이터는 딕셔너리 형태의 데이터이기 때문에 키값을 확인 wine 위의 키값들중 분석에 사용할 데이터를 보겠습니다. wine['data'] wine['feature_name..

먼저 딥러닝을 하기 위해서 tensorflow 임폴트해주세요. import tensorflow as tf print(tf.__version__) 먼저 딥러닝 AND논리를 합습 해볼거에요! 1. AND논리 # AND 데이터 정의 X = [[0,0], [0,1], [1,0], [1,1]] y = [0,0,0,1] 신경망을 설계해볼겁니다 tensorflow, keras 라이브러리 사용 keras가 tensorflow의 하위 모듈로 됨 여기서는 활성화 함수로 시그모이드함수를 사용했어요! 파라미터수 입력수 * 출력수 + 출력수 예) 2*1+1 = 3 add() : 신경망에 층을 추가 Dense로 퍼셉트론을 쌓는다. units: 출력의 수를 설정(퍼셉트론의 수) input_dim: 입력의 수 (특성의 수) # 신경..

딥러닝의 기본 개념 전이학습 기본에 잘 만들어진 학습 모델을 가져와서 적용하는 방법 데이터가 부족하고 모델 설계능력이 부족할때 사용한다 예를들어) 사과를 깍는 모델을 이용하여 배를 깍는 모델 생성 CNN과 심층강화학습 차이 심층강화학습 행동에 대해 순위를 계산하고 점수(보상)을 결정 CNN 이미지에 가장 잘맞는 (가능성이 높은, 순위가 높은) 라벨을 선택 퍼셉트론 1957년 프랑크 로젠블라트에 의해 고안 인간의 신경세포를 모방한것이 인공 신경망(ANN) 인간의 뉴런을 하나의 노드(인공 뉴런)으로 가상화하고 각 노드의 특성(가중치)를 다르게 설정하여 동일한 입력에 대해 다양한 반응을 발생하도록 하게함 퍼셉트론은 다수의 신호를 입력받아 하나의 신호를 출력 입력 신호가 뉴런에 보내질때 각각의 고유한 가중치 w..

오늘은 딥러닝의 개념, 역사를 소개 할겁니다. 딥러닝을 공부하기 전에 간단히 이제까지 배운것들을 정리하겠습니다. 1. 인공지능과 머신러닝 딥러닝의 차이점 인공지능 사람같은 기계를 만드는것이다. 약한 인공지능은 사람보다 부족하고 강한 인공지능은 사람보다 뛰어나다 머신러닝 정답을 학습시키고 평가하여 학습시키지 않은 것들 예측하는 것 딥러닝 정답을 학습시키지 않고 기계락 스스로 학습하게 하는것 2. 머신러닝 학습 순서와 간단한 개념 머신러닝 : 학습순서는 특성 -> 모델 -> 라벨 예측 특성(feature) = data. 입력 문제 라벨(label)= 답 출력 클래스: 라벨의 종유(생존/ 사망 – 2개) 범주형 데이터의 종류를 표현하는게 클래스 범주형 데이터: 문자 데이터 & 연속적이지 않은 기호 형태의 숫자..

오늘은 스마트인재개발원을 다니면서 느낀 점을 쓰려고 합니다. 제가 스마트인재개발원을 다닌 이유는 코딩 공부를 하고 싶어서였어요. 학교 수업에서 코딩 수업을 들으면 기초가 없는데 교수님들은 기초를 다 안다고 가정하고 진도를 나가셔서 못 따라갔거든요. 그래서 전공을 활용해서 취업하고는 싶은데 이론 지식만 있고 코딩 실력은 없었어요. 학교에서 해주는 특강도 받아보고 온라인 코딩 수업도 들어보고 했습니다. 학교에서 해주는 특강 수업은 방학 단기 수업이라 한 달밖에 안 해줘서 그런지 배운 게 없는데 벌써 끝?? 이런 느낌이라 얻은 게 별로 없었어요. 온라인 수업의 경우에는 강의도 많고 수업의 질도 좋았지만 내가 어느 거부터 들어야 할지 애매했고 혼자 듣다 보니까 안 듣는 날도 생기고 듣더라도 하루 한 시간 정도밖..

아래는 제가 쓴 코드에서 필요한 임폴트들인데요. 이거 전부를 임폴트할 필요는 없어요. 제가 사용할때는 전부 다 필요했지만 티스토리에는 시행착오 전부를 적을게 아니라 일부만 적을거기 때문에 중간중간에 sklearn빼고 파이썬 내장라이브러리가 아닌것들은 다운받지 않으셔도 됩니다. import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import load_files # 파일읽어오기 import KnuSentiLexMaster from KnuSentiLexMaster.knusl import KnuSL # 한국어 사전 임폴트 연습 import tensorflow as tf # 텐서플로우 from ten..