#️⃣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..