스터디📖/ML, DL

https://opentutorials.org/module/5268/29791 다섯번째 딥러닝 3 - MaxPool2D - Tensorflow 102 - 이미지 분류(CNN) 수업소개 CNN의 마지막 퍼즐 조각 Max Poolling에 대해서 이해하는 수업입니다. MaxPool2D 레이어의 사용방법과 역할을 이해합니다. 강의 실습 소스코드 colab | backend.ai ########################### # 라이 opentutorials.org 9강 MaxPool2D dense(Dense) 레이어에서는 84개의 수식이 만들어지고 각 수식마다 2400개의 가중치와 1개의 bias가 필요하므로 총 필요한 가중치의 개수는 84 * (2400 + 1) = 201684 Convolution la..

https://opentutorials.org/module/5268/29787 다섯번째 딥러닝 1 - Flatten - Tensorflow 102 - 이미지 분류(CNN) 수업소개 이미지셋 데이터를 표 형태의 데이터로 변형해서 학습하는 법을 배웁니다. 딥러닝 모델의 "특징 자동 추출기"라는 별명의 의미를 이해합니다. 강의 실습 소스코드 colab | backend.ai ## opentutorials.org 5강 Flatten 이미지 분류기: 지도학습, 분류문제. 이미지 데이터. 28 x 28 -> 784개의 칼럼을 가진 형태로 변형 print(독립.shape) # (60000, 28, 28) 독립.reshape(60000, 784) print(독립.shape) # (60000, 784) 특징 자동 추출기..

https://opentutorials.org/module/5268/29784 오리엔테이션 - Tensorflow 102 - 이미지 분류(CNN) 수업소개 텐서플로우 102 수업에서 다루고 배우는 것이 무엇인지 소개하고, 이미지를 학습시키는 딥러닝 모델을 만든다는 건 어떤 의미가 있는지를 확인합니다. 강의 영상의 Tensorflow 101 링 opentutorials.org 2강 데이터와 차원 차원 표의 열 (칼럼) : 칼럼의 숫자가 N 개 = 각 데이터는 N차원 공간의 한 점으로 표시 가능 관측치 = N차원 공간의 한 점 변수의 개수 = 공간의 차원수 포함 관계 : 배열의 깊이 = 차원수 라고 하는 경우도 있음. 이미지 파일 하나가 데이터의 관점에서는 관측치 하나. 여러 차원의 형태로 구성되어 있는 데..

https://opentutorials.org/course/4570/29242 부록2: 모델을 위한 팁 - 생활코딩 수업소개 BatchNormalization layer를 사용하여 보다 학습이 잘되는 모델을 만들어 봅니다. 강의 소스코드 colab | backend.ai 보스턴 집값 예측 ########################### # 라이브러리 사용 import tensorflow as opentutorials.org 21강 부록2: 모델을 위한 팁 학습이 잘 되는 모델 사용할 레이어 tk.keras.layers.BatchNormalization() tk.keras.layers.Activation('swish') 보스턴 집값 예측 # 2. 모델의 구조를 만듭니다 X = tf.keras.layers..

https://opentutorials.org/course/4570/28989 부록1: 데이터를 위한 팁 - 생활코딩 수업소개 데이터 타입의 문제와 NA값의 문제를 해결하는 데이터 전처리 방법을 배웁니다. 강의 소스코드 colab | backend.ai ########################### # 라이브러리 사용 import pandas as pd ################### opentutorials.org 20강 데이터를 위한 팁 변수(칼럼) 타입 확인 : 데이터.dtypes 변수를 범주형으로 변경: 데이터['칼럼명'].astype('category') 변수를 수치형으로 변경: 데이터['칼럼명'].astype('int') 데이터['칼럼명'].astype('float') NA 값의 처리 ..

https://opentutorials.org/course/4570/28988 네번째 딥러닝 - 신경망의 완성:히든레이어 - 생활코딩 수업소개 히든레이어와 멀티레이어의 구조를 이해하고, 히든레이어를 추가한 멀티레이어 인공신경망 모델을 완성해 봅니다. 강의 멀티레이어 신경망 실습 소스코드 colab | backend.ai 보스 opentutorials.org 18강 히든레이어 퍼셉트론을 깊게 연결한 딥러닝을 만들어보자! X = tf.keras.layers.Input(shape=[13]) H = tf.keras.layers.Dense(5, activation='swish')(X) #히든레이어 추가 함수. swish는 활성화 함수. H = tf.keras.layers.Dense(3, activation='sw..

https://opentutorials.org/course/4570/28987 세번째 딥러닝 - 아이리스 품종 분류 - 생활코딩 수업소개 아이리스 품종을 분류하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 분류모델과 회귀모델의 차이점을 이해합니다. 범주형 변수의 처리 방법인 원핫인코딩을 해야하는 이유 opentutorials.org 14강 아이리스 품종 분류 아이리스 꽃 데이터 종속변수가 수치형 변수가 아닌 범주형 데이터(품종) 종속 변수가 양적 데이터인 경우 -> 회귀(regression) 알고리즘 사용 종속 변수가 범주형 데이터인 경우 -> 분류(classificatior) 알고리즘 사용 분류 모델 코드 # 1.과거의 데이터를 준비합니다. 아이리스 = pd.read_csv('iris.csv')..

https://opentutorials.org/course/4570/28977 학습의 실제 - 생활코딩 수업소개 딥러닝 워크북에서 손으로 모델을 학습시켜 보며 딥러닝이 학습하는 원리를 배웁니다. 강의 "파일" > "사본 만들기"를 하시면 직접 해볼 수 있습니다. "파일" > "사본 만들기"를 하시 opentutorials.org Tensorflow 101 - 13강 학습의 실제 딥러닝이 데이터를 가지고 스스로 학습하는 것 == "수식을 만들어놓고 종속변수에 값을 가장 근접하게 맞추도록 가중치를 찾는 것" 수식의 가중치들을 찾아가는 과정을 워크북 통해 실습 loss = mse 값(mean square error): (예측-판매량)^2의 평균 미분을 통해 w가 어떤 방향으로 가야 loss값을 작게 만들 수 ..

https://opentutorials.org/course/4570/28976 두번째 딥러닝 - 보스턴 집값 예측 - 생활코딩 수업소개 보스턴 집값을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 모델을 구성하는 퍼셉트론에 대해 이해합니다. 강의 수식과 퍼셉트론 실습 소스코드 colab | backend. opentutorials.org 10강 보스턴 집값 예측 Boston Housing Price 1978년도 미국 보스턴 주, 506개의 타운들의 집값 데이터 각각의 행 하나는 타운 하나, 열은 각 타운의 특성들을 의미 종속변수 MEDV: 해당 타운에 있는 주택들 가격의 중앙값(종속변수) 전체 집단의 수치와 비교하여 상이하게 높거나 낮아서 평균의 대표성을 무너뜨리는 이상한 값을 이상치라고 한..

https://opentutorials.org/course/4570/28974 첫번째 딥러닝 - 레모네이드 판매 예측 - 생활코딩 수업소개 레모네이드 판매량을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 봅니다. 강의 손실의 의미 실습 소스코드 colab | backend.ai ########################### # 라이브러리 사용 i opentutorials.org 7강 레모네이드 판매 예측 지도학습의 과정 과거의 데이터를 준비 레모네이드 = pd.read_csv('lemonade.csv') 독립 = 레모네이드[['온도']] 종속 = 레모네이드[['판매량']] print(독립.shape, 종속.shape) 모델의 구조 만들기 --> 이 코드가 핵심 X = tf.keras.layer..