#️⃣참여 계기참여 계기부터 되짚어 보면..그냥 우연히 알게된 활동이었고, 우연히 신청해보았고, 우연히 참가하게된 것 같다.일단 나에게 꼭 필요한 활동인게,나는 진짜 유명한 작심삼일의 인간화니까..... #️⃣활동 후기일단 난 너무 만족.....가끔 일정이 좀 바빠서 포기하고 싶어질 때도 있었지만..족장님의 간식으로 끝까지 올 수 있었던 것 같음. (나는 진짜 유명한 디저트 사랑단임 하하) 개인적으로는 바로 지난 학기에 멋도 모르고 들었던 전공 과목이랑 연관있는 내용이라 너무 좋았음.나 아무것도 모르는데 그냥 머리 깨지면서 모델 구조 머리속에 넣느라 난리도 아니었음.그렇게 속이 텅~빈 헛껍데기 지식이었는데, 책을 통해서 기초부터 다시 채워넣을 수 있어서 만족스러움.이렇게라도 기초를 안 채웠으면 앞으로도 ..

6주차Ch. 07 딥러닝을 시작합니다     ㄴ 07-1 인공 신경망     ㄴ 07-2 심층 신경망     ㄴ 07-3 신경망 모델 훈련07-1 인공 신경망✅입력층 : 픽셀값 자체✅뉴런(유닛) : z값을 계산하는 단위✅출력층 : 계산한 z값을 바탕으로 클래스 예측 인공 신경망은 기본적으로 이렇게 이루어져 잇대여.이제 모델을 만듭시다.인공 신경망에서는 교차 검증 대신 검증 세트를 사용하기 때문에훈련 데이터, 검증 데이터로 나누어 줍니다그리고 가장 기본적으로 dense 층을 만드러요.dense층은 다 연결 되어 있기 때문에 fully connected layer라고 합니다.뉴런 개수는 10개, 소프트맥스로 활성화 하도록 설정 햇어염✌️활성화 함수로 많이 사용하는건 보통 시그모이드, 소프트맥스, ReLU, ..

5주차Ch. 06 비지도 학습     ㄴ 06-1 군집 알고리즘     ㄴ 06-2 k-평균     ㄴ 06-3 주성분 분석06-1 군집 알고리즘드디어..! 드디어 비지도 학습이다 우하하사실 모든 데이터에 타깃이 있진 않잖아요..?내가 머라고하지 않아도. 스스로. 알아서. 자기주도학습을 하다니정말 awesome한 모델이잖아...🫰이번엔 과일 사진 데이터를 사용하는데,왼쪽의 넘파이 배열이 오른쪽의 사과를 저장한 것이라는 점....일단 난 사진을 배열로 저장한다는 것부터 몰.랐.어. (...)✅맷플롯립의 imshow() : 넘파이 배열로 저장된 이미지 출력> cmap : 'gray' → 흑백 이미지   cmap : 'gray_r' → 흑백 반전⚠️넘파이 배열에 저장될 때에는 반전되어 저장됨> gray_r로..

4주차Ch. 05 트리 알고리즘     ㄴ 05-1 결정 트리     ㄴ 05-2 교차 검증과 그리드 서치     ㄴ 05-3 트리의 앙상블05-1 결정 트리✅info() : 데이터프레임의 각 열의 데이터 타입과 누락된 데이터 확인✅describe() : 열에 대한 평균, 표준편차, 최소, 최대, 중간값, 1사분위수, 3사분위수 출력 이번에 쓸 데이터를 예시로 보면. 이러합니다 하하 데이터 준비는 간단히 보면~~캐글의 red wine quality 데이터셋의 일부를 사용하규.데이터 - alcohol, sugar, pH  /  타깃 - class 이렇게 설정.훈련/테스트셋 비율8:2로 설정하고 StandardScaler로 표준화까지 잇겟네여.그리고 로지스틱회귀에 학습시키고 정확도 확인 & 계수 확인까지 햇..

3주차Ch. 04 다양한 분류 알고리즘     ㄴ 04-1 로지스틱 회귀     ㄴ 04-2 확률적 경사 하강법04-1 로지스틱 회귀데이터 준비 과정은 간단히 보자!타깃 데이터로 species 열, 이외의 5개 열은 입력 데이터로 사용하고,StandardScaler 클래스를 사용해서 표준화 전처리를 마쳤다. 모델 학습과 점수는 [8]셀에서 확인할 수 있다.[9]셀에서는 클래스를 출력해보면 정렬된 타깃값이 알파벳 순이라는 점을 알 수 있다.테스트 셋의 처음 5개의 샘플으로 예측한 값과 그 확률을 확인해보았다.✅predict_proba() : 클래스별 확률값 반환✅round()의 decimals : 소수점 자릿수 지정 확률의 각 열은 이전의 알파벳 순으로 정렬된 클래스 순서이다.아래에는 세 번째 샘플의 이웃..

2주차Ch. 03 회귀 알고리즘과 모델 규제03-1 k-최근접 이웃 회귀지도학습 알고리즘은 크게 분류와 회귀로 나뉜다.분류는 ch.2에서 해본 내용이고, 회귀는 어떤 숫자를 예측하는 것이다!k-최근접 이웃은 회귀에도 사용할 수 있는데, 가까운 샘플 k개의 수치의 평균으로 예측해준다.k-최근접 이웃 분류와 k-최근접 이웃 회귀 모두 fit(), score(), predict()를 사용할 수 있다.하지만 다른점은! 회귀에서 score()를 사용하면 정확도가 아닌 결정계수 값이 나온다.✅회귀에서의 score() : 결정계수 값- 0에 가까울 때 > 타깃의 평균 정도 예측- 1에 가까울 때 > 예측이 타깃에 아주 가까워 짐결정계수 대신 sklearn.metrics패키지의 mean_absolute_error를 사..

머신러닝 책을 검색하다가 우연히 혼공학습단을 알게 되었다.그리고 당장 신청함!!이유 : 나는 진짜 유명한 작심삼일의 의인화임 사실 처음 알게 되어서신청하면서 안될 수도 있겠다고 생각했다하지만 내가 해냄 열심히!!보다는그저 내가 끝까지.. 남아있길... 간절히 바라고 있다.1주차 : Ch.01 ~ Ch.021-1 인공지능과 머신러닝, 딥러닝가장 처음 소단원에는 인공지능의 역사에 대한 내용이 담겨있었다.불과 저번학기에 수강했던 내용이라 기억이 새록새록 떠오르는 느낌..(PTSD일지도..) 인공일반지능/강인공지능은 처음 알게 되었는데,사람과 구분하기 어려울 정도로 지능이 높은 친구들이라고 한다. 반면 아직 현실에서 볼 수 있는 친구들은 대부분 약인공지능으로,특정 분야에 한해서만 전문가이거나, 보조 역할만 가능..

넘파이(Numpy) 2.1장 2.1 Numpy 기초Numpy : Numerical Python- C/C++ 기반으로 만들어짐.- 벡터나 행렬 등의 복잡한 계산을 매우 간단하고 빠르게 연산할 수 있도록 도움을 줌.  #코랩에서의 사용 import numpy as np 2.1.1 Numpy vs List→ 리스트→ lst1 리스트를 Numpy 배열으로 변경. (array 함수의 인자로 lst1 리스트 사용)→ 넘파이 배열에 2를 곱했을 때 : 각 원소에 2가 곱해져 출력  # 리스트를 이용하여 각 원소에 2를 곱할 때 lst_n = []for i in lst1 : lst_n.append(i*2)lst_n#결과 : [2,4,6,8,10]  덧셈 연산 리스트끼리의 덧셈Numpy 배열의 덧셈ListNumpy데이터..

코랩에 대해서 알아보기 구글 코랩(colab)장점단점설치를 안해도 됨개별적인 맞춤형 개발 환경 설정이 어려움개발 환경의 통일이 쉬움내 컴퓨터의 파일은 그냥 코딩에 사용할 수 없음 클립보드 관련 함수를 사용할 수 없음 코랩을 실행해보자 Google Colab colab.research.google.com       New notebook ㄱㄱ          ipynb : IPYthon Notebook 파일=> 셀 단위로 코드 실행 가능     왼쪽 아이콘 클릭 시 해당 셀 실행노트북 파일은 print 함수 없이도 셀 맨 아랫줄 코드가 출력됨. => a는 출력이 가능하기 때문에 a를 출력함.  각각 코드 셀, 텍스트 셀 추가.텍스트 셀 : 설명을 넣을 수 있음.단순 텍스트 이외의 마크다운, 각종 html태..