목록분류 전체보기 (192)

LITTLE BY LITTLE

[11] 파이썬 머신러닝 완벽 가이드 - 7. 군집화 : K-평균 알고리즘 이해 (KMeans(), kmeans.label_, plt.scatter로 군집 시각화, make_blobs(), cluster_std ..)

7. 군집화 K-평균 알고리즘 이해 군집 평가 평균 이동 (Mean shift) GMM(Gaussian Mixture Model) DBSCAN 군집화 실습 - 고객 세그먼테이션 정리 더보기 회귀 다항 회귀와 과(대)적합/과소적합 이해 규제 선형 모델 - 릿지, 라쏘, 엘라스틱 넷 로지스틱 회귀 회귀 트리 회귀 실습 - 자전거 대여 수요 예측 회귀 실습 - 캐글 주택 가격 : 고급 회귀 기법 정리 차원 축소 차원 축소의 개요 PCA (Principal Component Anlysis) LDA (Linear Discriminant Anlysis) SVD (Singular Value Decomposition) NMF (Non-Negative Matrix Factorization) 정리 텍스트 분석 텍스트 분석..
데이터 분석/파이썬 머신러닝 완벽가이드 2022. 9. 11. 12:07
[3]실전! 텐서플로2를 활용한 딥러닝 컴퓨터비전 - 훈련 프로세스 개선(고급최적화 기법 - 모멘텀, Ada군 / 정규화 기법 - 조기중단, L1&L2 정규화, 드롭아웃,배치 정규화 )

목차 1부. 컴퓨터 비전에 적용한 텐서플로2와 딥러닝 01. 컴퓨터 비전과 신경망 02. 텐서플로 기초와 모델 훈련 (케라스, 텐서보드, 애드온, 확장, 라이트, TensorFlow.js, 모델 실행 장소) 03. 현대 신경망 (다차원 데이터를 이용한 신경망, CNN작업, 유효수용영역, 훈련 프로세스 개선, 정규화 기법) 더보기 2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴..
4-2/이미지 딥러닝 2022. 9. 10. 22:50
[2]실전! 텐서플로2를 활용한 딥러닝 컴퓨터비전 (CNN작업, 유효수용영역, 풀링계층, Lenet-5 구현)

목차 1부. 컴퓨터 비전에 적용한 텐서플로2와 딥러닝 01. 컴퓨터 비전과 신경망 02. 텐서플로 기초와 모델 훈련 (케라스, 텐서보드, 애드온, 확장, 라이트, TensorFlow.js, 모델 실행 장소) 03. 현대 신경망 (다차원 데이터를 이용한 신경망, CNN작업, 유효수용영역, 훈련 프로세스 개선, 정규화 기법) 더보기 2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴..
4-2/이미지 딥러닝 2022. 9. 9. 11:48
[1]실전! 텐서플로2를 활용한 딥러닝 컴퓨터비전 (1장.컴퓨터 비전, 신경망 시작하기)

목차 1부. 컴퓨터 비전에 적용한 텐서플로2와 딥러닝 01. 컴퓨터 비전과 신경망 02. 텐서플로 기초와 모델 훈련 (케라스, 텐서보드, 애드온, 확장, 라이트, TensorFlow.js, 모델 실행 장소) 03. 현대 신경망 (다차원 데이터를 이용한 신경망, CNN작업, 유효수용영역, 훈련 프로세스 개선, 정규화 기법) 더보기 2부. 전통적 인식 문제를 해결하는 최신 솔루션 04. 유력한 분류 도구 (고급 CNN아키텍처의 이해 - VGG, GoogleLeNet, Inception,ResNet[잔차 네트워크], 전이학습) 05. 객체 탐지 모델 (YOLO, Faste R-CNN, 텐서플로 객체 탐지 API) 06. 이미지 보강 및 분할 (인코더-디코더로 이미지 변환, 노이즈 제거, 객체 분할) 3부. 컴..
4-2/이미지 딥러닝 2022. 9. 7. 09:14
1주차

보호되어 있는 글입니다.
4-2 2022. 9. 6. 19:12
[10] 파이썬 머신러닝 완벽 가이드 - 5. 회귀 ( 비용 함수, 경사 하강법, LinearRegression() , RMSE = np.sqrt(-1*neg_mse_scores) )

5. 회귀 회귀 소개 단순 선형 회귀를 통한 회귀 이해 비용 최소화하기 - 경사 하강법 (Gradient Descent) 소개 사이킷런 Linear Regression을 이용한 보스턴 주택 가격 예측 다항 회귀와 과(대)적합/과소적합 이해 규제 선형 모델 - 릿지, 라쏘, 엘라스틱 넷 로지스틱 회귀 회귀 트리 회귀 실습 - 자전거 대여 수요 예측 회귀 실습 - 캐글 주택 가격 : 고급 회귀 기법 정리 더보기 차원 축소 차원 축소의 개요 PCA (Principal Component Anlysis) LDA (Linear Discriminant Anlysis) SVD (Singular Value Decomposition) NMF (Non-Negative Matrix Factorization) 정리 군집화 K-..
데이터 분석/파이썬 머신러닝 완벽가이드 2022. 9. 5. 23:06
[5] 케라스 창시자에게 배우는 딥러닝 - 5. 컴퓨터 비전을 위한 딥러닝( 사전 훈련된 컨브넷 사용하기 : 특성추출(데이터 증식사용有 ,無)과 미세조정, 컨브넷 학습 시각화)

제 5부.컴퓨터 비전을 위한 딥러닝 합성곱 신경망 소개 소규모 데이터셋에서 밑바닥부터 컨브넷 훈련하기 사전 훈련된 컨브넷 사용하기 컨브넷 학습 시각화 요약 더보기 제 6부. 텍스트와 시퀀스를 위한 딥러닝 텍스트 데이터 다루기 순환 신경망 이해하기 순환 신경망의 고급 사용법 컨브넷을 사용한 시퀀스 처리 요약 제 7부. 딥러닝을 위한 고급 도구 Sequential 모델을 넘어서 : 케라스의 함수형 API 케라스 콜백과 텐서보드를 사용한 딥러닝 모델 검사와 모니터링 모델의 성능을 최대화로 끌어올리기 요약 제 8부. 생성 모델을 위한 딥러닝 LSTM으로 텍스트 생성하기 딥드림 뉴럴 스타일 트랜스퍼 변이형 오토인코더를 사용한 이미지 생성 적대적 생성 신경망 소개 요약 제 9부. 결론 핵심 개념 리뷰 딥러닝의 한계..
데이터 분석/케라스 창시자에게 배우는 딥러닝 2022. 9. 5. 22:23
SQLD 2과목 (2. SQL활용, 3.SQL최적화 원리)

2-2. SQL 활용 2-2-1. 표준 JOIN SQL에서 Union은 Union, Intersect는 Intersection, Except는 Difference(차집합), 에서는 Minus로 표현, Cross join은 Product를 의미 순수 관계연산자 natural join은 다양한 join으로 기능 구현이 가능하고, divide는 현재 사용하지 않는다. 3개이상 JOIN하기 Where 사용하고 AND AND AND...(WHERE절 이용) Join 사용하고 ON ON ON ... (FROM JOIN) 위에서 2번 방식인, FROM 절에 JOIN 하는 방법 (6가지) Inner Join 내부조인, Equi 조인, 동등조인이라 한다. = 연산자로 조인 Join 조건에서 '동일한 값이 있는 행만' 반..
SQL/SQLD 2022. 9. 3. 12:16
이전 Prev 1 ··· 11 12 13 14 15 16 17 ··· 24 Next 다음