내가짱이야

부-하.

ㅇ

안녕하세요. 오늘 아침에 자전거타고 오다가 보게된

귀여운 청둥오리...(맞나?)

오늘도 재미있는 수업 잘 듣겠습니다.

화이팅...!

오늘은 이미지 분류에 대해서 배워볼껀가봐요,,

일단

강사님이 그린 ㅣ고양이

냅다 올리기

    CNN의 특징은

첫번 째 층은 초기 사진에 있는 거의 모든 정보가 유지된다는 점이고

상위 층은 추상적, 시각적 이해가 어렵다는 점입니다.

그리고 비어 있는 활성화가 층이 깊어짐에 따라 늘어나고 활성화 되지 않는 필터가 증가한다는 점입니다.

재은이가

그림 올려달래요

   만족하셨으면 좋겠습니다..^^

뭔가 저렇게 위에 이름처럼 떠있으니까

게임 NPC같고 그렇네요

점심시간이였는데

오늘은 강사님이랑 밥먹었습니다.

근데 사진을 못찍었어요(충격실화)

그래서 대신 먹은거 그려드립니다. ^^

밥먹고왔는데

누가 컴퓨터를 해킹했나봐요

햄스터가 왔다갔네요..

수업 시작~!

원핫벡터와 엠베딩 벡터를 비교해봅시다.

CBOW 원리를 이용해서 주변 단어로 부터 중심 단어를 예측할 수 있구용.

Skip-gram의 원리를 이용해 중심 단어로부터 주변 단어를 예측할 수 있습니당.

대박이다..

오늘은 진짜 쓴게 없네요

반성합니다 !

근데 오늘 참 부트캠프 재미있게 잘 즐겼습니다.

아디오스

부-하

오늘도 빠르게 자전거타고 날라왔습니다...

어제는 미세먼지가 매우나쁨(500)이였는데 오늘은 나쁨(122)네요

그나마 좋은 소식,,,^^

오늘 오후 쯤 되면 더 내려가겠죠??

맞다..

오늘 부트캠프 간식에 커피가 추가됐어요.

캔커피요!!_!!

맛있다....

근데 저희들은 전투적인 savage이기 때문에

호다닥 한개 가져왔습니다...

수업시작~!

One-hot vector는 데이터를 쉽게 중복 없이 표현할 때 사용하는 형식입니다..

뭔가 많이 했어요,,,

왼쪽이 내가 만든거,, 오른쪽이 강사님이 만든거,,

분명 같은 코드 사용했는데.. 뭐죠?????????

아니,, 코드를 바꾸니까 되긴 되네용,,

긁적,, 점심먹을 때 됐는데..

점심은 맛있는 봉구스밥버거~~

맛있게 클리어 했습니다 ^^

밥먹고 신나게 운동도 했네요^^

즐거운 부트캠프~~!

수업시작~

신경망 모델을 하는데

괴롭다!

이 수많은 코드 사이에서

제가 할수있는

유일한 일탈..

오늘 수업도 이렇게 평화롭게 마쳤네요 ^^

그럼 아디오스^^!

부-하

안녕하세요. 오늘도

열심히 자전거를 타고 부트캠프 장소인 지식산업센ㄴ터까지 왔네요.

모닝 커피를 먹고 오늘도 열심히 한번 들어가볼게요,,^^

수업 시작~!

인공지능(AI)란 사전적인 의미로

판단, 추론, 학습 등 인간의 지능이 가지는 기능을 갖춘 컴퓨터 시스템입니다.

현실적으로는 주어진 데이터로 주어진 모델을 최적화하여 새로운 데이터에 대한

결과값을 예측하는 프로그램 입니다!!!!!!

인공지능은 강인공지능과 약인공지능이 있는데

강인공지능은 인간처럼 생각하고 학습하는 컴퓨터 시스템이고

약인공지능이 컴퓨터시스템을 유용한 도구로서 사용하는 것으로

우리가 다룰 수 있는 인공지능의 의미입니다....

우리가 사용하는 것은 약인공지능이겠군요,,

머신러닝 vs 딥러닝

꿀팁..

수많은 모델을 돌려보고..

되는걸. 하자.

안되는것에 계속해서 시간을 보내지 말자....ㅎㅎ

수많은 데이터 집합 중..

깜찍.

뭔가 딥러닝의 이론을 배우는 중인데....

생각보단 슥 넘어가는게 많습니다.

kaggle을 들어가서 가입을 했구용

대회도 있어서 상금도 받을 수 있습니다.

상금,,, 맛있겠다....

이제 곧 점심먹을 때 된 것 같은데...

일단 kaggle에서 새로운 노트북을 생성한 다음

기본중의 기본,,

Hello World!를 작성했네용,,, ㅎㅎ^^

결과물만 뙇....

점심시간!!!!

오늘의 점심은 지지고,,!

벌써 내일 메뉴까지 정했다구용....

누군지 전혀 모르겠네,,,......

그리고 시작된 수업시간

tkinter을 사용해서 파이썬 GUI를 보여주고 싶어요

그래서 만들어봤습니다.

귀여운 뚱땡이고양이 넣기...

최고...

오늘은 한게 이론이론이론이론 실 이론이론이네요

즐거운 수업 끝~~!

부-하

안녕하세요.

오늘은 아침에 늦장부리다가 자전거도 못탄 사람입니다.

일찍 일어났는데 오늘따라 아침이 먹고싶어서

카레한판 하고 왔습니다.

그리고나서 옷입고 정리하고 나니까 ㅇㅅㅇ 버스시간도 놓쳤더라구요

호다닥 날아왔네요

그럼 수업 시작~!

그래디언트 부스팅 회귀 트리는

여러 개의 결정 트리를 묶어 강력한 모델을 만드는 앙상블 기법 중 하나입니다.

이름은 회귀지만 회귀와 분류에 모두 사용 가능합니다~!

주피터노트북에서 실행하기 전에,,,

패키지 다시 다운받아주기,,,,^^

그레이디언트 부스팅 트리의 특성 중요도 그래프가

랜덤 포레스트와 다르게 일부 특성을 강조하고있어용..

에이다부스트는 그레이디언트 부스팅처럼 약한 학습기를 사용합니다.

예측을 만들 때는 모델이 예측한 레이블을 기준으로 모델의 가중치를 합산하여

가장 높은 값을 가진 레이블을 선택합니다.

에이다부스트는 깊이가 1인 결정 트리를 사용하기 때문에 각 트리의 결정 경계가

직선 하나입니다!.

이제 슬슬 밥먹을 때 됐는데,,,

밥!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

bhc 뿌링클과 골,,골드킹?

뭐시기 어쨋든 맛냠~

다시 수업시작....

딱봤을 때 어떻게 나눠야 할지,, 고민되시죠

이건 좀 이상하고

그러면 3D로 만들고 선을 그어 자르면 되겠다!

굿,,, 원하는대로 됐습니다

이제 이걸 평면으로 다시 나타내면?

완성 🎉🎉🎉🎉🎉🎉🎉🎉🎉🎉

커널 기법은 데이터 셋에 비선형 특성을 추가하여

강력한 선형 모델 생성이 가능합니다.

수학 연산으로 새 특성을 만들지 않고 고차원에서 분류기를 학습시키는 방법입니다.

딥러닝은 신경망이라고 알려진 알고리즘입니다.

많은 머신러닝 응용에서 매우 희망적인 성과를 내고 있습니다.

특정 분야에 정교하게 적용되어 있는 경우가 많습니다.

다층 퍼셉트론은 복잡한 딥러닝 알고리즘의 출발점으로

비교적 간단하게 분류와 회귀에 사용 가능합니다. 그냥 신경망이라고 부릅니다.

신경망 튜닝은 가볍게 훑어주셨네용,, 헤헷..

오늘도 여기까지 수업했습니다

아디오스.

부-하

안녕하세요.

오늘은 자전거 타고 정말 윈드브레이크해서

좀 힘듭니다.

금요일 특강 + 주말 콤보로 뭘 배웠는지 잊어버렸습니다.

제 머리속에 남은게 없어요.

(충격실화)

수업 시작~

나이브 베이즈 분류기는 선형 모델과 매우 유사한 분류기로

선형 분류기보다 훈련 속도가 빠른 장점이 있습니다.

원리는 각 특성을 개별로 취급해 파리미터 학습과

각 특성에서 클래스별 통계를 단순하게 취합하는 방식 입니다.

나이브 베이즈 분류기

- GaussianNB = 연속적인 어떤 데이터에도 적용 가능 / 텍스트 데이터 분류에 주로 사용

- BernoulliNB = 이진 데이터에 적용 가능 / 텍스트 데이터 분류에 주로 사용

- MultinomialNB = 카운트 데이터에 적용 가능

axis는 좌표계의 축이라

각 번호마다 의미가 있습니다!!_!!

axis = 0 row

axis = 1 column

axis = 2 depth

이건 살짝 이해하기 난해한 코드인데

unique가 중복제거라 0, 1만 남기고

y에서 0이 포함된게 0행과 2행

1이 포함된게 1행과 3행 이라

각각 0행 + 2행

1행 + 3행을 더해준 결과값이 나온것이에용

결정 트리란 분류와 회귀 문제에 널리 사용하는 모델로

결정에 다다르기 위해 예/아니오 질문을 이어나가면서 학습합니다.

(약간 스무고개 같은 느낌~)

오,, 마치 산과 바다 같은 느낌..

이건 깊이에 따른 그래프 결과인데용

깊이 9를 본다면 뭔가,, 이상한게 느껴지죠?

저렇게 까지 해야할까....

과대적합이라고 생각하시면 되용

아니 ㅋㅋ 이거 해야했는데 미리 다른거 하고있었지뭐에용,,,,,

근데 또 오류가,,!_!

해결방안

끝!

이제 슬슬 점심먹으러 보내주실 때가 됐는데,,,,

빵끗!

즐거운 점심시간~

오늘 점심은,, 컵라면이랑 삼각김밥!

옆에 앉은 재은이 점심도 슬적 사진 찍기(사실 대놓고 찍긴함)

닷 ㅣ즐

다시 즐거운 수업 시작 ^^!

뭔가 차이가 굉장히 많이 나네요

과대적합입니다.

깊이를 추가해서 둘의 차이를 줄여봅시다.

빵긋...

이건 유방암 데이터를 악성과 양성을 나누어

깊이 4까지 내려간걸 출력한거에용,,

간식 쪽에

자몽블랙티가 들어왔는데

너무 맛있어용,,,

근데 몇개 없어서 아쉽..

아직 한창 배고플 나이인 20대,,,

한눈팔면 먹을 간식이 하나두 없답니다..

항상 신속 정확 savage

결정 트리의 앙상블은 여러 머신러닝 모델을 연결하여

더 강력한 모델을 만드는 기법입니다.

랜덤 포레스트는 훈련 데이터에 과대적합되는 문제를 회피할 수 있습니다.

특히. 결정 트리의 주요 단점인 과대적합을 피할 수 있습니다.

굿....

그리고 랜덤 포레스트는 현재 가장 널리 사용되는 머신러닝 알고리즘이고

성능이 매우 뛰어나고 매개변수 튜닝을 많이 하지 않아도 잘 작동합니다.

왼쪽은 결정 트리로 한 특성 중요도이고

오른쪽은 랜덤 포레스트 모델의 특성 중요도 입니다.

확실히 결정 트리로 했을때는 몰랐던

중요한 요소들이 숨어있었군요!

오늘 정말 유익하고,, 많은 걸 배웠습니다.

오늘 수업도 이렇게 마치게 되었네요,,

아디오스.

부-하

오늘은 특강날입니다..

이주마다 찾아오는 특강날이 달고 참 좋네요,,^^

교수님이 쉬는시간을 안주세요..

가볍게 영상을 보시라고 하시며,, 쉬는시간을

가져가셨습니다....

오늘은 특강시간이였구용...

특강을 끝내고 또다시

조가 바뀌었습니다.!

이건 제 점심이구용

돼지국밥이에용,, 맛있었습니다.

이건 들깨가루 산

허씨네..

무슨 맛일까요,,

이건 그냥 웃겨서 찍었어요

뒷짐진게,,,

누구더라,, 누군지 말 안해도 다 아시겠죠??

이건 제 스트레스 지수입니다.

오늘 스트레스 지수 측정도 했는데

제가 일등 먹었어요 ! ^^(좋은게 아님)

이건 집가는길에 재은이랑 포켓몬고 레이드 돌렸어요

오늘은 이게 끝입니다.

정말입니다..

저는 힘도없고 아무것도 없는사람,,,

그럼 안녕,,,

아디오스,,,,

부-하

오늘도 새로운 하루가 시작됐습니다.

벌써 19일차인거,,, 충격실화.

오늘 부트캠프에 새로운 친구들이 많이 들어왔어요 ~~!

냐미~~~!

사실 찰떡파이라는 친구들도 들어왔는데

들어온지 오분도 안되서

모두 사라지고 말았답니다....

수업 시작~!

머신러닝과 딥러닝의 차이점은

특징을 사람이 짜는냐 스스로 프로그램이 짜느냐 에 다른것인데요

머신러닝이 사람이 짭니다,,,^^

wave 데이터셋을 이용해 이웃이 하나인 최근접 이웃을 확인해본거에용,,

만약 이웃이 셋이라면?

이건 조금 어려울수있는데

R^2라는 친구는 1이 가까울 수록 정확하다고 합니다.

한번 볼까용??

0.83이라니..

얼추 맞는 것 같네용.

제가 무언가 알아봤습니다.

이렇게 하면 한글이 안깨지고 불러와지네요 대박~~!

(출처 : https://velog.io/@seonj102/jupyter-notebook-%EA%B7%B8%EB%9E%98%ED%94%84-%ED%95%9C%EA%B8%80-%ED%8F%B0%ED%8A%B8-%EC%84%A4%EC%A0%95 )

선형 모델은

100여년 전에 개발되었구, 현재도 널리 쓰리고 있어용

회귀의 선형 모델의 일반적 예측 함수는..

이거입니다... ㅎㅎ.

선형 회귀란

예측과 훈련 세트에 있는 타킷 y 사이의 평균제곱오차를 최소화하는 파라미터 w, b를 찾는 것이 목표입니다.

릿지(Ridge) 회귀란

최소적합법에서 사용한 것과 같은 예측 함수를 사용하게 되는데

Ridge는 모델을 단순하게 해주고 훈련세트에 대한 성능 차이를 절충할 수 있는 방법을 찾아야 합니다.

매개변수의 기본값이 alpha인데

alpha =1.0이 기본값입니다.

alpha값을 높이면 계수를 0에 더 가깝게 만들어서 훈련 세트의 성능은 나빠지지만 일반화에는 도움을 줄 수 있습니다~~!

alpha 값 ↓ = 그래프 오른쪽으로 감(과대적합쪽)

alpha 값 ↑ = 그래프 왼쪽으로 감(과소적합쪽)

긁적..

수많은 그래프를 보며

생각난 건

뭔가 학과수업 같은 느낌입니다..

종강할 때 쯤 이해갈 것 같은 이느낌...

학습곡선이라고 데이터 셋 크기에 따른 모델의 성능 변화 그래프가 있습니당.

둘다 훈련 세트가 테스트 세트보다 점수가 높습니당.

데이터 셋이 적을 경우 더 크게 차이나는 걸 확인할 수 있습니다.

라쏘는

선형 회귀에 규제를 적용하는 또 다른 방법으로

릿지 회귀와 같이 계수를 0에 가깝게 해서 규제하는 방식입니다.

만약에 계수를 0으로 만들어버리면 모델에서 완전히 제외되며 별로 필요없는

친구들을 없애고 중요한 특성을 파악하기 쉽게 만들어줍니다~~!

점심시간~~~!!

오늘은 부리또였습니당 ^^

부리또 먹고 만든 곰..

귀랑 손이랑 다리도 만들어 주었습니다 ^^

그리고 또 찾아온 아이스크림 타임~~~!

오늘은 두번째로 이긴사람이 하기로 했는데,,

재은이가 두번째로 이겼네용

아 빠삐코 맛있다

그리고 점심시간동안

게임을 했습니다. ^^

수업 고.

라쏘랑 릿지를 대결시켜봅시다.

Lasso vs Ridge

라쏘는 alpha를 0으로 만들면 없앨수있다는 것으로 일부분만 중요할 때 사용할 수 있어용.

그외에는 보통 릿지 씁니다 ^^

그런데 라쏘와 릿지를 결합한 Scikit-lean이 있다지 뭐에용,,,, 와..

왕

이진 분류란

분류에 널리 사용되는 선형모델로 선, 평면, 초평면을 사용해서 두개의 클래스를 구분하는 분류기 입니다~!

이친구는 C인데

얘는 alpha랑 반대에용 그걸 기억하시길......

공부하면서 느끼는건데

생각보다 더 어렵네용,,

주신 pdf파일 집가면서 천천히 읽어봐야겠어용,,,,,

책을 가져갈까 생각했는데

무거워서 pdf 읽어야징

그런데 pdf가 좀 오류가 많아서

책을 가져가야할 것같은데,,,,일단 오늘만 pdf 가져가고,

내일 더 필요하다면 책을 가져가야조 머.. ㅎㅎ 어쩌피 내일 금요일이라 ><

다중 클래스 분류용 선형 모델을 해볼껀데

로지스틱 회귀를 제외하고는 선형 분류 모델은 이진 분류만 지원한다고 합니다.

우리 다중이는 어디로 가죠,,?

정규분포를 따르는 각 클라스의 데이터입니다.

약간 스타크래프트 같은느낌...

선형 모델은 빠른 학습 속도와 예측 속도를 가지고

매우 큰 데이터셋과 희소한 데이터셋에서도 잘 작동합니다.

장단점도 있어요 ㅋㅋ 

장점은 공간을 사용해서 예측과정을 쉽게 이해할 수 있는데

특성들간에 연관이 있으면 분석이 어렵대용.....

샘플에 비해 특성이 많을 때 적합한 모델이라고 합니다.

이건 좀 간지나게 잘나와서 보여드릴게요 하하

오늘 수업도 참 알차고 좋네요

그럼 안녕~

부-하

안녕하세요 여러분 오늘은 비가 많이 오네용.

도착하고 안 사실인데

바지 종아리부분이 까맣게 물방울이,, 생겨버렸답니다..

어떻게 걸어온거지..

어쨋든 오늘부터 머신러닝이 시작됩니다.!!!!!!!

항상 들어왔건 것,, 실제로 하니 좀 떨립니다.

머신러닝이란?

- 데이터에서 지식을 추출하는 작업

- 통계학, 인공지능, 컴퓨터 과학이 얽혀있는 연구 분야

- 예측분석, 통계적 머신러닝

뭔가 예측하는 것이라고 생각하면 됩니다.

지도학습, 비지도학습

오늘 부트캠프 간식에 새로운 친구가 들어왔는데

민트,, 맛이 있었어요,,

굉장이 속이 화- 해졌습니다.

우리는 인기가 높고 독보적인 파이썬 머신러닝 라이브러리인

싸이킷런을 사용할 것같네용,,,ㅎ?

강사님께서,, 명언을 남겨주셨네요..

구글신과 함께라면 두려울 게 없다..

하지만 다시 주피터로 시작합니다.

반갑다! 주피터!

오랜만에 다시 보는 넘파이친구,

반갑네요.

coo_matrix함수는 좌표를 기반으로 행렬을 만들어주는 함수라고 합니다.

굿...........................

귀엽조

저는 마커를 *로 바꿔주었습니다 ^^.

첫번째 어플리케이션을 만들어볼껀데

가장먼저 필요한 것은 학습에 사용할 데이터입니다.

머신러닝 시스템 구현 순서가 있습니다.

1. 데이터 적재

2. 성과 측정

3. 데이터 살펴보기

4. 모델의 선택

5. 예측하기

6. 모델 평가하기

그리고 찾아온 점심시간

호다다다닥 준비

로제, 마라, 일반 떡볶이인데

아니 볶음밥을 시킨줄 알았는데

냅다 고기만 시킨거 실화,,

맛있게 먹었습니다.^^

그리고 찾아온 베라타임

베라를 왜먹는지 아시나요?

바로 드라이아이스를 가지고 놀기 위해서죠.

다시 공부 시쟉~~

데이터시각화도 해주었네요~ 대박

지도학습이란 가장 성공적인 머신러닝 방법 중 하나입니다.

데이터가 있고 주어진 입력으로 부터 출력을 예측할 때 사용합니다.

지도학습은

미리 정의된 가능성 있는 여러 클래스레이블 중 하나를 예측하고

이진 분류, 다중 분류로 분류합니다~!

데이터가 너무 많은 것도 좋지 않아용,,,

모델을 복잡하게 할 수록 더 정확히 예측할 수 있지만

너무 복잡해지면 민감해서 일반화 할 수 없어요,ㅇ,,,

귀엽죠.

뭔가 만들어냈습니다.

오늘 비가 너무 많이와서 습하네용..

근데 산불 다 진화되서다행입니다 ^^

오늘 처음으로 머신러닝에 대해서 공부해봤는데

생각보다 아무것도 모르겠어요^^!

처음배워서 그렇겠죠??!

머신러닝 마지막날에는 마스터가 되어 다시 돌아오겠습니다.

아디오스-.

부-하

안녕하세요 오늘은 드디어

미니 프로젝트.

시각화 프로젝트

발표날 입니다....

대박..........................................

순서는 4조->1조->2조->5조->6조->3조 입니다.

저는 여전히 6조이기 때문에

다섯번째로 발표하게 되었습니다.

두 근.

저희 조는 내 위치와 가장 가까운 로또판매점 찾기 서비스입니다.

대전광역시에 있는 로또판매점 위치를 가져와 지도에 표현한

지도시각화입니당~~!

호다다다다닥 하고

PPT를 만들어줍니다.

빠르게 클리어 해주고,, 밥을 먹으러 갔습니다!

왕산 이라는 갈비탕집을 갔는데용.

갈 때부터 먹었던 친구의 말로는 갈비가 딱 세개 들어있다고 했는데

아주 정확했습니다.

딱 세개 였네요,,^^

근데 가격이 7천원이라 뭐,, 3천원 추가해서 특을 먹는다면

나쁘지 않은 것 같아용...

물가가 많이 올랐네요,,

보통이 천원 오르고,,, 

특이,,,, 2천원,,,,??????????

충격입니다.

그리고 찾아온 아이스크림 타임~~~~!

오늘은 가위바위보 진사람이 사기 ^^

저 너무 가위바위보 잘하는 것 같아요,,,

(사실 아무도 모르지만 제가 가위바위보 버릇이 있답니다... 총총.)

그리고 시작된,, 발표.

저희조랑 다음조만 슬쩍 보여드릴게용.

PPT 템플릿을 잘 가져온 것 같아용..

돈이 후두둑 떨어지는게 참 좋네요,,^^.

이건 5조껀데 권박사님 강의 최고~!

저는 이상해씨가 좋아용.

깜찍하게 생겼자나요

진화해도 귀엽고.

제가 비밀 하나 알려드리자면

저는 이상해씨 인형도 가지고있습니다.

부끄러우니까 엉덩이만 보여드릴게요.

사실 오늘도 이게 끝입니다.

오늘은 오전 내내 코드 정리하고 PPT만들고

발표만 했거든용 헤헷.

아디오스.

부-하

오늘도 하루종일

프로젝트 만드는,, 날,, 입니다.

그래서 오늘도 사실 블로그에 별 이야기 없을 예정 입니다..^^

오늘도 아침에 자전거 타구왓구용,,,

좀 늦게 탔는데 거의 겁쟁이패달 빙의해서

달렸습니다.

그리고 급하게 찾아온 점심시간,

오늘은 이삭토스트를 냠

참고로 콘치즈 토스트를 시켰습니다.

이건 재은이의 점심을 한입 뺏어먹었는데

맛있더라구영

굿

그리고 맛있게 먹은 베라 쿼터 1+1

먹을것만 하루종일 먹는다고 생각ㅎ시나요?

맞습니다 정답ㄴ입니다.

이건 수빈이가 재은이의 보자기로 만든 학입니다.

열정이 느껴지는 작품이네요,,,,

오늘은 하루종일 코드만 짰어요 대박

그래서 사실 쓸게 없네요,,,,